FlowPic 표현을 이용한 QUIC 암호화 트래픽의 웹사이트 식별 가능성

초록

HTTP/3의 핵심 프로토콜인 QUIC은 헤더 부분까지 대부분 암호화하는 강력한 암호화로 인해 바이트 기반으로 동작하는 여러 트래픽 분류 기법에 어려움을 야기한다. 이러한 HTTP/3 트래픽의 특성에 적합한 트래픽 분류 기법으로 알려진 FlowPic은 서비스 분류 수준에서는 연구가 이루어져 있으나, 다수의 웹사이트 클래스를 분류해 내는 연구는 거의 없는 상황이다. 본 연구는 네트워크 플로우를 2차원 이미지로 변환하는 FlowPic 표현과 합성곱 신경망(CNN)을 적용하여 QUIC 트래픽의 웹사이트 단위 식별 가능성을 검증하였다. 수십 개의 웹사이트 클래스와 ‘unmonitored’ 클래스로 레이블링 된 데이터셋에서, 제안 방법은 93%의 정확도와 91%의 Macro F1-Score를 달성하여 기법의 유효성을 확인했다. 그러나 일부 웹사이트가 ‘unmonitored’로 오분류되는 현상이 관찰되어 그 한계에 대해서도 논의한다.