针对物联网网络中深度学习入侵检测的对抗攻击分析
网络与互联网体系结构
2019-05-14 v1 密码学与安全
机器学习
摘要
对抗攻击在计算机视觉领域已被广泛研究，但其对网络安全应用的影响仍属开放研究领域。随着 IoT、5G 与 AI 持续融合以实现第四次工业革命（工业 4.0）的愿景，物联网网络上的安全事件与事故不断增加。深度学习技术正被应用于检测并缓解诸多针对物联网网络的安全威胁。前馈神经网络（FNN）已被广泛用于物联网网络中的入侵攻击分类。本文中，我们考虑一种称为自归一化神经网络（SNN）的 FNN 变体，并将其与 FNN 在物联网网络入侵攻击分类中的性能进行比较。我们的分析使用来自 UNSW Canberra Cyber 中心网络靶场实验室的 BoT-IoT 数据集进行。在实验结果中，基于准确率、精确率、召回率以及 Cohen's Kappa 分数等多分类指标，FNN 在物联网网络入侵检测上优于 SNN。然而，在对抗鲁棒性测试中，SNN 对来自物联网数据集的对抗样本表现出更好的韧性，这为寻求更安全、更可靠的物联网网络深度学习提供了有前景的未来方向。
引用
@article{arxiv.1905.05137,
title = {Analyzing Adversarial Attacks Against Deep Learning for Intrusion Detection in IoT Networks},
author = {Olakunle Ibitoye and Omair Shafiq and Ashraf Matrawy},
journal= {arXiv preprint arXiv:1905.05137},
year = {2019}
}
备注
6 pages