PacketPatch/
├── README.md                          # Обзор проекта (этот файл)
├── LICENSE                            # Лицензия MIT
├── requirements.txt                   # Зависимости Python
├── bert_base_config.json              # Конфигурация модели BERT (12 слоёв, 768-мерность, 12 голов)
│
├── packet_adv/                        # ★ Основной экспериментальный код
│   ├── README.md                      # Руководство по использованию основных модулей
│   ├── adv_fine_tuning_cls.py         # Шаг 1: Обучение PatchGenerator (SpanBERT)
│   ├── generate.py                    # Шаг 2: Генерация состязательных пакетов
│   └── gen_onnx.py                    # Шаг 3 (опционально): Ускорение ONNX/TensorRT
│
├── uer/                               # Фреймворк UER (Universal Encoder Representations)
│   ├── README.md                      # Документация фреймворка
│   ├── encoders/                      # Реализации кодировщиков (Transformer, RNN, CNN)
│   ├── layers/                        # Слои сети (Embedding, Attention, FFN)
│   ├── targets/                       # Цели обучения (MLM, NSP, Span-MBM и др.)
│   ├── models/                        # Определение модели
│   ├── utils/                         # Утилиты (токенизаторы, оптимизаторы, загрузка данных)
│   ├── model_builder.py               # Построение модели
│   ├── model_loader.py                # Загрузка предобученных весов
│   ├── model_saver.py                 # Сохранение контрольных точек модели
│   ├── trainer.py                     # Реализация цикла обучения
│   └── opts.py                        # Определение аргументов командной строки
│
├── dataset/                           # Документация наборов данных
│   └── README.md                      # Описания наборов данных, ссылки для скачивания, предобработка
│
├── image/                             # Рисунки архитектуры и результатов
│   └── README.md                      # Описания рисунков
│
└── tools/                             # Вспомогательные инструменты
    └── README.md                      # Описания инструментов и их использование

# Клонировать репозиторий
git clone https://github.com/your-org/PacketPatch.git
cd PacketPatch

# Установить зависимости
pip install -r requirements.txt

cd packet_adv

# Сначала отредактируйте adv_fine_tuning_cls.py:
#   - Обновите пути к наборам данных (строки 47-50)
#   - Обновите путь к предобученной модели (строки 73-75)
#   - Установите правильное num_classes (строка 56)
#   - Установите правильный размер обучающего набора (строка 878)

python adv_fine_tuning_cls.py

cd packet_adv

# Сначала отредактируйте generate.py:
#   - Обновите пути к тестовым данным (строки 42-44)
#   - Обновите --load_model_path, указав путь к обученной контрольной точке (строка 68-69)
#   - Установите BWO (коэффициент накладных расходов пропускной способности, строка 60, по умолчанию 0.1)
#   - Выберите стратегию генерации через параметр 'fun' (строка 50)

python generate.py

cd packet_adv

# Сначала отредактируйте gen_onnx.py:
#   - Обновите путь к контрольной точке модели (строка 132)
#   - Обновите пути вывода (строки 145, 207)
#   - Выберите режим точности: 'fp16' или 'int8' (строка 21)

python gen_onnx.py

@article{xu2025packetpatch,
    title = {PacketPatch: Practical Generation and Deployment of Adversarial Packets for Byte-Feature-Based Encrypted Traffic Classification},
    author = {Yuwei Xu and Yuanyuan Xu and Yunpeng Bai and Jiahui Chen and Kehui Song and Jie Cao and Qiao Xiang and Guang Cheng},
    journal = {Elsevier},
    year = {2025},
}