利用自组织映射构建可解释入侵检测系统
密码学与安全
2022-07-18 v1 人工智能
机器学习
摘要
现代人工智能（AI）赋能的入侵检测系统（IDS）是复杂的黑箱。这意味着安全分析师几乎无法获得关于 IDS 模型为何做出特定预测的解释或说明。该问题的一个潜在解决方案是基于可解释人工智能（XAI）的现有能力，研究并开发可解释入侵检测系统（X-IDS）。在本文中，我们创建了一个基于自组织映射（SOMs）的 X-IDS 系统，能够生成解释性可视化。我们利用 SOM 的可解释性来创建全局与局部解释。分析师可使用全局解释来大致了解特定 IDS 模型如何计算预测。局部解释针对单个数据点生成，以解释为何计算出某一预测值。此外，我们的基于 SOM 的 X-IDS 在解释生成与传统精度测试上均使用 NSL-KDD 与 CIC-IDS-2017 数据集进行了评估。
引用
@article{arxiv.2207.07465,
title = {Creating an Explainable Intrusion Detection System Using Self Organizing Maps},
author = {Jesse Ables and Thomas Kirby and William Anderson and Sudip Mittal and Shahram Rahimi and Ioana Banicescu and Maria Seale},
journal= {arXiv preprint arXiv:2207.07465},
year = {2022}
}