基于对抗学习与专家反馈的异常网络活动检测
密码学与安全
2022-10-18 v2 机器学习
摘要
异常检测是一项普遍且具有挑战性的任务，与众多学科相关。鉴于通信网络在我们日常生活中扮演的重要角色，这些网络的安全对社会顺畅运转至关重要。为此，我们提出一种新颖的自监督深度学习框架CAAD，用于无线通信系统中的异常检测。具体而言，CAAD在对抗设定中采用对比学习来学习无线网络中正常与异常行为的有效表示。我们将CAAD与若干最先进（state-of-the-art, SOTA）异常检测技术进行严格的性能比较，并验证CAAD带来92.84%的平均性能提升。此外，我们还增强CAAD，使其通过一种新颖的对比学习反馈环系统地纳入专家反馈，以改进所学表示从而降低预测不确定性（CAAD-EF）。我们将CAAD-EF视为一种新颖、整体且广泛适用的异常检测解决方案。
引用
@article{arxiv.2210.02841,
title = {Detecting Irregular Network Activity with Adversarial Learning and Expert Feedback},
author = {Gopikrishna Rathinavel and Nikhil Muralidhar and Timothy O'Shea and Naren Ramakrishnan},
journal= {arXiv preprint arXiv:2210.02841},
year = {2022}
}
备注
12 pages, 6 figures