BERTector：一种基于语言模型的联合数据集学习入侵检测框架
密码学与安全
2025-09-18 v2
摘要
入侵检测系统（IDS）被广泛用于维护网络环境的稳定性，但由于网络流量的异构性，其在泛化性方面仍面临限制。在这项工作中，我们提出了 BERTector，一个基于 BERT 的 IDS 联合数据集学习新框架。BERTector 集成了三个关键组件：用于流量感知语义标记化的 NSS-Tokenizer、使用混合数据集的有监督微调以及用于高效微调的低秩适配。实验表明，BERTector 实现了最先进的检测精度、强大的泛化能力和出色的鲁棒性。BERTector 在 NSL-KDD 上达到了 99.28% 的最高准确率，并对四种扰动实现了平均 80% 的检测成功率。这些结果为复杂动态网络环境中的现代 IDS 建立了一个统一且高效的解决方案。
引用
@article{arxiv.2508.10327,
title = {BERTector: An Intrusion Detection Framework Constructed via Joint-dataset Learning Based on Language Model},
author = {Haoyang Hu and Xun Huang and Chenyu Wu and Shiwen Liu and Zhichao Lian and Shuangquan Zhang},
journal= {arXiv preprint arXiv:2508.10327},
year = {2025}
}