JA4-JEPA applique l'apprentissage prédictif de style JEPA aux empreintes réseau JA4

Les auteurs explorent si les objectifs d'apprentissage prédictif de style JEPA, qui alignent les prédictions latentes sur les sorties de l'encodeur cible, peuvent être efficacement appliqués à des empreintes réseau compactes. Ils présentent JA4-JEPA, un modèle basé sur un Transformer entraîné sur environ 397K échantillons des sous-champs JA4, JA4H, JA4S et JA4X des ensembles de données JA4DB et CIC-IDS-2017.

• Le modèle a été évalué à l'aide d'un sonde kNN figée pour la classification de familles de protocoles sur TLS, DNS et SSH.
• Sur 39 416 échantillons tenus en réserve, le modèle a atteint une similarité cosinus de 0,9899 et une précision kNN de 0,9220.

Ces résultats indiquent que l'apprentissage prédictif de style JEPA peut produire des embeddings utiles à partir d'empreintes dérivées de JA4, même en cas de chevauchement incomplet des vues entre les sources d'entraînement.