網絡加密技術的廣泛應用，它在保護用戶隱私的同時，也為惡意流量檢測帶來挑戰。目前，加密流量檢測面臨以下難題：惡意樣本稀缺導致嚴重的類別不平衡，自動化標注過程引入大量噪聲標簽，以及攻擊者可修改流量特征躲避檢測。
為解決上述問題，中國科學院計算機網絡信息中心提出了METRA框架。該框架結合網絡協議領域知識與深度學習技術，通過協議感知的表征學習從有限數據中提取深層模式，利用概率論驅動的軟標簽去噪機制應對標注錯誤，并基于雙維度對抗訓練增強模型檢測魯棒性。
實驗表明，METRA框架在檢測精度上優于現有方法，在對抗攻擊場景下展現出卓越的魯棒性，在數據稀缺和高噪聲環境下的性能優勢更加明顯，充分驗證了該方法在真實復雜環境下的實用價值。
相關研究成果被ICASSP 2026錄用。研究工作得到國家重點研發計劃、中國科學院等的支持。