基于深度学习的入侵检测系统的对抗训练
密码学与安全
2021-04-21 v1 机器学习
摘要
如今，深度神经网络（DNNs）在许多机器学习领域（包括入侵检测）中取得了最先进的成果。然而，计算机视觉中的近期研究表明，DNNs 可能易受对抗攻击的影响，此类攻击通过注入精心构造的数据即可欺骗模型使其误分类。在安全关键领域，此类攻击可造成严重损害；因此，本文中我们考察对抗攻击对基于深度学习的入侵检测的影响。此外，我们研究对抗训练作为抵御此类攻击的防御手段的有效性。实验结果表明，在足够扰动下，对抗样本能够误导检测器，且使用对抗训练可提升入侵检测的鲁棒性。
引用
@article{arxiv.2104.09852,
title = {Adversarial Training for Deep Learning-based Intrusion Detection Systems},
author = {Islam Debicha and Thibault Debatty and Jean-Michel Dricot and Wim Mees},
journal= {arXiv preprint arXiv:2104.09852},
year = {2021}
}
备注
Already published in The Sixteenth International Conference on Systems (ICONS 2021)