生成对抗网络在网络安全中的应用综述：前景、方向与开放研究范畴
密码学与安全
2024-09-23 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
随着人工智能的普及，需要以数字形式积累和传播的数据量大幅增加。由于数据在具有复杂精密基础设施的数字环境中在线可用，实施基于网络安全的各种防御机制至关重要。生成对抗网络（Generative Adversarial Networks, GANs）作为深度学习模型，已成为解决不断变化的安全问题的强大方案。本综述研究了深度学习模型，特别是 GANs，在加强网络安全防御方面的重要意义。本综述旨在探索 GANs 领域已完成的各项工作，如入侵检测系统（Intrusion Detection Systems, IDS）、移动与网络入侵、僵尸网络检测和恶意软件检测。重点是考察 GANs 如何作为具有影响力的工具来加强这些领域的网络安全防御。此外，本文讨论了在这些领域使用 GANs 的挑战与限制，并提出了未来的研究方向。总体而言，本文突出了 GANs 在增强网络安全措施方面的潜力，并指出了该领域进一步探索的需求。
引用
@article{arxiv.2407.08839,
title = {A Survey on the Application of Generative Adversarial Networks in Cybersecurity: Prospective, Direction and Open Research Scopes},
author = {Md Mashrur Arifin and Md Shoaib Ahmed and Tanmai Kumar Ghosh and Ikteder Akhand Udoy and Jun Zhuang and Jyh-haw Yeh},
journal= {arXiv preprint arXiv:2407.08839},
year = {2024}
}