通过基于SHAP的归因指纹识别提升物联网入侵检测的对抗鲁棒性
密码学与安全
2026-02-19 v1 人工智能
计算与语言
机器学习
网络与互联网体系结构
摘要
物联网（IoT）设备的快速普及已通过实现无缝连接和数据驱动的自动化改变了多个行业。然而，这一扩张也将IoT网络暴露于日益复杂的安全威胁之中，包括针对人工智能（AI）和机器学习（ML）基于入侵检测系统（IDS）的对抗攻击，这类攻击旨在规避检测、诱导误分类，以及系统性地削弱安全防御的可靠性和完整性。为应对这些挑战，我们提出了一种新型对抗检测模型，通过基于SHAP（SHapley Additive exPlanations）的归因指纹识别来增强物联网IDS针对对抗攻击的鲁棒性。利用SHAP的DeepExploder，我们从网络流量特征中提取归因指纹，使IDS能够可靠地区分干净输入和受对抗扰动的输入。通过捕捉细微的归因模式，该模型对规避尝试和对抗操纵更具抗性。我们在标准物联网基准数据集上对模型进行了评估，其中它在检测对抗攻击方面显著优于最新方法。除了增强的鲁棒性，该方法还提高了模型的透明度和可解释性，从而通过可解释AI增加了对IDS的信任。
引用
@article{arxiv.2511.06197,
title = {Enhancing Adversarial Robustness of IoT Intrusion Detection via SHAP-Based Attribution Fingerprinting},
author = {Dilli Prasad Sharma and Liang Xue and Xiaowei Sun and Xiaodong Lin and Pulei Xiong},
journal= {arXiv preprint arXiv:2511.06197},
year = {2026}
}