LENS-XAI：通过知识蒸馏与变分自编码器重新定义轻量级与可解释网络安全，实现可扩展的网络空间入侵检测
密码学与安全
2025-01-09 v2 人工智能
计算机与社会
新兴技术
摘要
工业物联网系统的快速激增需要先进、可解释且可扩展的入侵检测系统（IDS）来应对新兴网络威胁。传统 IDS 面临计算需求高、可解释性有限以及应对不断演变攻击模式不灵活等挑战。为了解决这些局限性，本研究引入了轻量级可解释网络安全框架（LENS-XAI），该框架将稳健的入侵检测与增强的可解释性和可扩展性相结合。LENS-XAI 集成了知识蒸馏、变分自编码器模型和基于归因的可解释性技术，以实现高检测准确率和决策透明度。通过利用包含 10% 可用数据的训练集，该框架在不牺牲性能的情况下优化了计算效率。在四个基准数据集：Edge-IIoTset、UKM-IDS20、CTU-13 和 NSL-KDD 上的实验评估表明，该框架具有卓越的性能，分别实现了 95.34%、99.92%、98.42% 和 99.34% 的检测准确率。此外，该框架在减少误报和适应复杂攻击场景方面表现出色，优于现有 SOTA 方法。LENS-XAI 的主要优势包括其适用于资源受限环境的轻量级设计，以及其在多样化 IIoT 和网络安全环境中的可扩展性。此外，可解释性模块增强了信任和透明度，这对于在动态和敏感应用中的实际部署至关重要。本研究通过解决计算效率、特征可解释性和实际适用性问题，对推进 IDS 做出了重大贡献。未来的工作可以侧重于将该框架扩展到用于分布式环境的集成 AI 系统，进一步增强其鲁棒性和适应性。
引用
@article{arxiv.2501.00790,
title = {LENS-XAI: Redefining Lightweight and Explainable Network Security through Knowledge Distillation and Variational Autoencoders for Scalable Intrusion Detection in Cybersecurity},
author = {Muhammet Anil Yagiz and Polat Goktas},
journal= {arXiv preprint arXiv:2501.00790},
year = {2025}
}