通过潜在空间中的域不变表示学习改进入侵检测
密码学与安全
2025-10-20 v5 机器学习
摘要
零日异常检测在工业应用中至关重要，因为新颖、不可预见的威胁可能危及系统完整性和安全性。传统的检测系统由于依赖分布内数据，常常无法识别这些未见异常。域泛化通过利用多个已知域的知识来检测分布外事件，弥补了这一差距。在这项工作中，我们引入了一种多任务表示学习技术，将相关域的信息融合到一个统一的潜在空间中。通过联合优化分类、重建和互信息正则化损失，我们的方法学习了一个最小（瓶颈）的域不变表示，丢弃了虚假相关。这种潜在空间去相关增强了泛化能力，使得能够在未见域中检测异常。我们的实验结果表明，在多种异常检测数据集上，零日或新型异常检测有显著改进。
引用
@article{arxiv.2312.17300,
title = {Improving Intrusion Detection with Domain-Invariant Representation Learning in Latent Space},
author = {Padmaksha Roy and Tyler Cody and Himanshu Singhal and Kevin Choi and Ming Jin},
journal= {arXiv preprint arXiv:2312.17300},
year = {2025}
}