Adv-Bot：针对网络入侵检测系统的真实对抗僵尸网络攻击
密码学与安全
2023-03-14 v1 人工智能
摘要
由于机器学习（ML）算法的诸多优势，许多应用现已将其纳入。然而，图像分类领域的许多研究已表明 ML 可被各类对抗攻击欺骗。这些攻击利用了 ML 算法固有的脆弱性。这在网络安全领域引发诸多疑问，近期越来越多的研究者正在探究此类攻击针对基于机器学习的安防系统（如入侵检测系统）的可行性。大多数该研究证明可利用从原始数据源提取的特征欺骗模型，但未考虑此类攻击的真实实施，即从理论到实践的逆向转换。这些对抗攻击的真实实施会受到各种约束的影响，使其执行更为困难。因此，本研究的目的是探究针对基于网络的入侵检测系统（NIDS）的对抗攻击（具体为规避攻击）的实际可行性，证明在黑盒设定下假设尽可能多约束时，使用我们所提对抗算法完全可能欺骗这些基于 ML 的 IDS。此外，鉴于设计防御机制以保护基于 ML 的 IDS 免受此类攻击至关重要，本文给出了一种防御方案。本研究使用真实的僵尸网络流量轨迹进行评估。我们的目标是生成可规避检测同时仍执行其全部预期恶意功能的对抗僵尸网络流量。
引用
@article{arxiv.2303.06664,
title = {Adv-Bot: Realistic Adversarial Botnet Attacks against Network Intrusion Detection Systems},
author = {Islam Debicha and Benjamin Cochez and Tayeb Kenaza and Thibault Debatty and Jean-Michel Dricot and Wim Mees},
journal= {arXiv preprint arXiv:2303.06664},
year = {2023}
}
备注
This work is published in Computers & Security (an Elsevier journal) https://www.sciencedirect.com/science/article/pii/S016740482300086X