文本分类中的自适应攻击检测：利用空间探索特征进行文本情感分类
密码学与安全
2023-08-31 v1
摘要
对抗样本检测在自适应网络防御中起着至关重要的作用，尤其是在面对快速演化的攻击时。在自适应网络防御中，攻击的性质和特征持续变化，因此具备稳健的机制以有效检测和抵御这些威胁至关重要。通过引入对抗样本检测技术，自适应网络防御系统能够增强其识别和缓解试图利用机器学习模型或其他系统漏洞的攻击的能力。对抗样本是通过对自然输入施加有意扰动而构造的输入，会导致错误分类。在本文中，我们提出一种新方法，利用 BERT (Bidirectional Encoder Representations from Transformers) 的能力并引入空间探索特征的概念。我们利用从 BERT 模型输出获得的 feature vectors 来捕获特征空间的新表示，以改进密度估计方法。
引用
@article{arxiv.2308.15663,
title = {Adaptive Attack Detection in Text Classification: Leveraging Space Exploration Features for Text Sentiment Classification},
author = {Atefeh Mahdavi and Neda Keivandarian and Marco Carvalho},
journal= {arXiv preprint arXiv:2308.15663},
year = {2023}
}
备注
Presented at 2nd International Workshop on Adaptive Cyber Defense, 2023 (arXiv:2308.09520)