作者探讨了JEPA风格的预测学习目标（将潜在预测与目标编码器输出匹配）是否可以有效地应用于紧凑的网络指纹。他们引入了JA4-JEPA，这是一个基于Transformer的模型，在来自JA4DB和CIC-IDS-2017数据集的约397K个JA4、JA4H、JA4S和JA4X子字段的样本上进行了训练。

  • 该模型使用冻结的kNN探针在TLS、DNS和SSH上进行协议族分类评估。
  • 在39,416个保留样本上，该模型实现了0.9899的余弦相似度和0.9220的kNN准确率。

这些结果表明，即使在训练源之间存在不完整的视图重叠，JEPA风格的预测学习也能从JA4派生的指纹中产生有用的嵌入。