Vers une augmentation automatique pour la classification du trafic

La classification du trafic réseau, qui permet d'identifier l'application responsable d'un flux donné, est essentielle pour la gestion des réseaux modernes, en facilitant l'allocation efficace des ressources et la différenciation des services. Cependant, la trafic réseau se heurte à des défis croissants liés au chiffrement, à la diversité du trafic, à l'efficacité de l'inférence et à la rareté des données annotées. Bien que l'apprentissage automatique offre une approche prometteuse en apprenant des schémas à partir d'informations limitées, il demeure confronté à des obstacles tels que les décalages de distribution et le manque d'annotations disponibles publiquement. Cette thèse aborde ces défis à travers trois contributions principales. Premièrement, nous évaluons 18 techniques d'augmentation manuelle pour la trafic réseau supervisée, que nous intégrons ensuite dans un cadre d'apprentissage contrastif afin de traiter les scénarios où les étiquettes sont rares, montrant ainsi une amélioration des performances et de la généralisation. Deuxièmement, pour approfondir notre compréhension des modèles génératifs de pointe, nous explorons d'abord les modèles de diffusion dans le domaine de l'apprentissage automatique, en nous concentrant sur la génération conditionnelle d'images à partir de textes. Nous proposons de nouveaux estimateurs de l'information mutuelle en utilisant des modèles de diffusion et de flux rectifiés préentraînés, et les appliquons dans un cadre d'auto-apprentissage supervisé pour améliorer l'alignement texte-image, sans recourir à des modèles ou annotations externes. Troisièmement, nous faisons progresser la modélisation générative du trafic réseau en développant un cadre standardisé d'évaluation incluant jeux de données, prétraitement, modèles de référence et métriques d'évaluation, et en concevant un modèle de diffusion pour les séries de paquets surpassant les méthodes existantes en fidélité et en utilité pour les tâches en aval. Nous développons également un second modèle de diffusion pour séries de paquets, qui offre de meilleures performances que les modèles génératifs existants. En abordant ces thématiques, cette thèse fait progresser la classification du trafic dans un contexte de rareté des données, améliore l'alignement dans les modèles génératifs conditionnels, et fournit des bases de référence pour la modélisation générative du trafic — jetant ainsi les bases de systèmes d'apprentissage plus robustes et adaptables dans le domaine des réseaux.