लेखक इस बात का पता लगाते हैं कि क्या JEPA-शैली के भविष्यवाणी सीखने के उद्देश्यों, जो लुप्त पूर्वानुमानों को लक्ष्य एन्कोडर आउटपुट से मिलाते हैं, को संपाक नेटवर्क फिंगरप्रिंट्स पर प्रभावी ढंग से लागू किया जा सकता है। वे JA4-JEPA पेश करते हैं, जो JA4DB और CIC-IDS-2017 डेटासेटों से JA4, JA4H, JA4S और JA4X उपक्षेत्रों के लगभग 397K नमूनों पर प्रशिक्षित एक Transformer-आधारित मॉडल है।
- मॉडल का मूल्यांकन TLS, DNS और SSH में प्रोटोकॉल-परिवार वर्गीकरण के लिए एक जमा kNN प्रोब का उपयोग करके किया गया था।
- 39,416 रखा गए नमूनों पर, मॉडल ने 0.9899 का कोसाइन समानता और 0.9220 की kNN सटीकता प्राप्त की।
ये परिणाम संकेत देते हैं कि JEPA-शैली की भविष्यवाणी सीखना JA4-निर्मित फिंगरप्रिंट्स से उपयोगी एम्बेडिंग्स उत्पन्न कर सकता है, यहाँ तक कि प्रशिक्षण स्रोतों के बीच दृश्य ओवरलैप अधूरा होने पर भी।