FastPacket：基于 FastText 的预训练数据包嵌入用于下一代网络入侵检测系统
密码学与安全
2023-04-04 v1 机器学习
网络与互联网体系结构
摘要
攻击者每天越来越多地使用新型攻击，但许多攻击未被入侵检测系统检测到，因为大多数 IDS 忽略原始数据包信息，仅关注从 PCAP 文件中提取的一些基本统计信息。利用网络程序从数据包中提取固定统计特征虽好，但可能不足以应对当今的挑战。我们认为，是时候利用大数据和深度学习从数据包中自动动态提取特征了。是时候从计算机视觉和自然语言处理中的深度学习预训练模型中获取灵感，使安全深度学习方案拥有在大数据集上预训练的模型以供未来研究使用。在本文中，受 FastText 在文本数据上成功的启发，我们提出了一种基于字符级嵌入的数据包嵌入新方法。我们称此方法为 FastPacket。结果在 CIC-IDS-2017 数据集的子集上进行了度量，但我们期望在大数据预训练模型上取得有前景的结果。我们建议基于 MAWI 大数据集构建预训练的 FastPacket 并开放给社区，类似于 FastText。以期能够超越当前使用的 NIDS，开启一个能更好检测复杂攻击的数据包级 NIDS 新时代。
引用
@article{arxiv.2209.14727,
title = {FastPacket: Towards Pre-trained Packets Embedding based on FastText for next-generation NIDS},
author = {Khloud Al Jallad},
journal= {arXiv preprint arXiv:2209.14727},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2209.13961