通过已知与未知攻击主动学习实现的近自主增量式入侵检测系统
密码学与安全
2023-10-27 v1
摘要
入侵检测是安全专家的传统实践，然而仍有若干问题尚待解决。因此，本文在指出这些问题后，提出一种混合入侵检测系统（IDS）架构，用于已知与未知攻击的自适应增量检测。该 IDS 由监督与无监督模块组成，分别为深度神经网络（DNN）与 K 近邻（KNN）算法。所提系统近乎自主，因通过主动学习（AL）方法将专家干预降至最低。我们给出标注过程的查询策略，旨在教导监督模块检测未知攻击并改进已已知攻击的检测。该教导通过滑动窗口（SW）以增量方式实现，其中 DNN 随数据随时间可用而重训练，从而使 IDS 适应网络流量的演化特性。我们在 CICIDS2017 数据集上开展一组实验以评估 IDS 性能，获得了有前景的结果。
引用
@article{arxiv.2310.17430,
title = {A near-autonomous and incremental intrusion detection system through active learning of known and unknown attacks},
author = {Lynda Boukela and Gongxuan Zhang and Meziane Yacoub and Samia Bouzefrane},
journal= {arXiv preprint arXiv:2310.17430},
year = {2023}
}
备注
6 pages, 3 figures, 32 references, conference