抗噪更稳
基于海量数据预训练，在小样本微调后识别准确且抗网络噪声干扰，优于从头训练的模型。
Yang, Luming · 刘琳 · Huang, Junjie · Shi, Jiangyong · 付绍静 · 王勇军 · 苏金树
IEEE Transactions on Information Forensics and Security 2025
预训练模型在丢包、重传、乱序等常见网络扰动下，识别结果的波动显著小于从头训练的模型。
在TB级流量上预训练后，只需有限的标注数据微调，即可用于下游分析任务。
提出PA-curve和PA-area，可同时反映模型的准确率和鲁棒性，为加密流量分析提供合理的鲁棒性量化评估。