JA4-JEPA menerapkan pembelajaran prediktif gaya JEPA ke sidik jari jaringan JA4

Para penulis mengeksplorasi apakah tujuan pembelajaran prediktif gaya JEPA, yang mencocokkan prediksi laten dengan output encoder target, dapat diterapkan secara efektif pada sidik jari jaringan yang ringkas. Mereka memperkenalkan JA4-JEPA, sebuah model berbasis Transformer yang dilatih pada sekitar 397K sampel dari subbidang JA4, JA4H, JA4S, dan JA4X dari dataset JA4DB dan CIC-IDS-2017.

• Model dievaluasi menggunakan probe kNN beku untuk klasifikasi keluarga protokol di TLS, DNS, dan SSH.
• Pada 39.416 sampel yang dihold-out, model mencapai kesamaan kosinus sebesar 0,9899 dan akurasi kNN sebesar 0,9220.

Hasil-hasil ini menunjukkan bahwa pembelajaran prediktif gaya JEPA dapat menghasilkan embedding yang berguna dari sidik jari yang diturunkan dari JA4, bahkan ketika terdapat tumpang tindih pandangan yang tidak lengkap antar sumber pelatihan.