JA4-JEPA aplica aprendizado preditivo estilo JEPA a impressões digitais de rede JA4

Os autores exploram se os objetivos de aprendizado preditivo estilo JEPA, que correspondem às previsões latentes às saídas do codificador alvo, podem ser aplicados eficazmente a impressões digitais de rede compactas. Eles introduzem o JA4-JEPA, um modelo baseado em Transformer treinado com aproximadamente 397K amostras dos subcampos JA4, JA4H, JA4S e JA4X dos conjuntos de dados JA4DB e CIC-IDS-2017.

• O modelo foi avaliado usando uma sonda kNN congelada para classificação de famílias de protocolos em TLS, DNS e SSH.
• Em 39.416 amostras retidas, o modelo alcançou uma similaridade cosseno de 0.9899 e uma precisão kNN de 0.9220.

Esses resultados indicam que o aprendizado preditivo estilo JEPA pode produzir embeddings úteis a partir de impressões derivadas de JA4, mesmo quando há sobreposição incompleta de visualizações entre as fontes de treinamento.