ETGuard：区块链电力系统中的恶意加密流量检测
密码学与安全
2024-08-21 v1 人工智能
摘要
加密协议的广泛使用导致隐藏在加密流量中的恶意攻击数量相应激增。电力系统作为基础基础设施，正成为此类攻击的主要目标。传统的恶意加密数据包检测方法通常使用静态预训练模型。我们观察到这些方法并不适用于基于区块链的电力系统。更关键的是，它们在新型加密攻击持续出现的动态环境中表现不足。出于此动机，本文从两个方面着手解决这些挑战：（1）我们提出了一种能够自动检测基于区块链的电力系统中恶意加密流量并从新的恶意流量中增量学习的新型框架。（2）我们从数学上推导了增量学习损失，以抵抗旧攻击模式的遗忘，同时确保模型能够处理新的加密攻击模式。在经验上，我们的方法在三个不同的基准数据集上取得了最先进的性能。我们还构建了首个面向区块链电力场景的恶意加密流量数据集。我们的代码和数据集可在 https://github.com/PPPmzt/ETGuard 获取，希望能为未来研究提供启发。
引用
@article{arxiv.2408.10657,
title = {ETGuard: Malicious Encrypted Traffic Detection in Blockchain-based Power Grid Systems},
author = {Peng Zhou and Yongdong Liu and Lixun Ma and Weiye Zhang and Haohan Tan and Zhenguang Liu and Butian Huang},
journal= {arXiv preprint arXiv:2408.10657},
year = {2024}
}