在无标注网络流量上做应用识别：从自监督对比学习到 BERT 式掩码建模的方案探讨 [R]

一位开发者尝试用 Transformer 模型从无标注网络流量中识别 3000-5000 个应用，仅有约 100 个应用的小规模标注数据。流量以约 15 秒为窗口切分，每个窗口包含多条带域名、协议、字节数与时间戳等特征的网络流。候选方案包括自监督对比学习、BERT 式掩码建模预训练后再在小标注集上微调，以及对嵌入向量做聚类后逐步映射到已知应用；作者担忧模型可能学到设备、会话或用户特征而非应用本身。