ASNM数据集：用于对抗分类器与网络入侵检测器测试的网络流量特征集合
密码学与安全
2020-07-23 v1 机器学习
摘要
在本文中，我们提出了三个使用ASNM特征从网络流量迹线构建的数据集，这些特征在我们之前的工作中设计。第一个数据集是使用名为CDX 2009的先进数据集构建的，而其余两个数据集分别由我们在2015年和2018年收集。这两个数据集包含若干对抗混淆技术，这些技术在执行特定TCP网络连接时应用于恶意以及合法流量样本。对抗混淆技术用于规避基于机器学习的网络入侵检测分类器。此外，我们表明，当通过混淆技术获得的样本部分扩充其训练数据时，此类分类器的性能可以得到改善。具体而言，我们在HTTP(S)协议中利用了隧道混淆，以及基于非载荷的混淆，通过例如TCP分段、重传、损坏和重排数据包等方式修改网络流量的各种属性。据我们所知，这是首个包含对抗技术并旨在用于基于非载荷的网络入侵检测与对抗分类的网络流量元数据集合。所提供的数据集能够测试使用ASNM特征的任意分类器的规避抗性。
引用
@article{arxiv.1910.10528,
title = {ASNM Datasets: A Collection of Network Traffic Features for Testing of Adversarial Classifiers and Network Intrusion Detectors},
author = {Ivan Homoliak and Petr Hanacek},
journal= {arXiv preprint arXiv:1910.10528},
year = {2020}
}