MirGuard：面向抵御图操作攻击的稳健基于证据的入侵检测系统
密码学与安全
2025-08-15 v1
摘要
基于学习的证据-based入侵检测系统（PIDS）因能够捕获丰富的上下文和结构信息，以及检测未知攻击的潜力，已成为宿主系统异常检测中的重要工具。然而，近期研究表明，这些系统易受图操作攻击的威胁，攻击者通过操控图结构来规避检测。虽然已有一些研究讨论了此类攻击，但没有提供稳健的检测解决方案，限制了PIDS的实际应用。为解决这一挑战，我们提出了MirGuard——一个结合逻辑感知多视图增强与对比表示学习的稳健异常检测框架。MirGuard通过引入逻辑感知噪声注入（Logic-Aware Noise Injection, LNI）生成语义有效的图视图，确保所有增强都保留了原数据中隐含的因果语义。这些视图随后用于逻辑保持对比学习框架，该框架鼓励模型学习对良好变换不变、对对抗性不一致敏感的表征。多项针对多个证据数据集的全面评估表明，MirGuard在抵御各种图操作攻击方面显著优于最先进的检测器，且不牺牲检测性能和效率。我们的工作是首个针对此类对抗威胁增强PIDS的针对性研究，为现代网络安全挑战提供了稳健且有效的解决方案。
引用
@article{arxiv.2508.10639,
title = {MirGuard: Towards a Robust Provenance-based Intrusion Detection System Against Graph Manipulation Attacks},
author = {Anyuan Sang and Lu Zhou and Li Yang and Junbo Jia and Huipeng Yang and Pengbin Feng and Jianfeng Ma},
journal= {arXiv preprint arXiv:2508.10639},
year = {2025}
}