面向现实对抗攻击：基于迁移性的可行性新度量
密码学与安全
2025-04-14 v1
摘要
基于迁移性的对抗性攻击利用对抗样本的这种能力：针对特定的入侵检测系统（IDS）模型设计的对抗样本，还能误导目标IDS模型，而无需获取训练数据或任何内部模型参数。这些攻击利用机器学习模型中的常见漏洞以规避安全措施并损害系统。尽管迁移性概念已被广泛研究，但其实际可行性仍受限于源模型与目标模型高度相似的假设。本文分析了导致迁移性的核心因素，包括特征对齐、模型架构相似性以及每个IDS所检查的数据分布的重叠度。我们提出了一种新度量——迁移性可行性得分（TFS），以评估此类攻击的可行性和可靠性。通过实验证据，我们展示了TFS与实际攻击成功率高度相关，弥合了理论认识与实际影响之间的差距。我们的发现为设计更真实的可迁移对抗攻击、开发健壮防御以及最终提高基于机器学习的IDS在关键系统中的安全性提供了必要的指导。
引用
@article{arxiv.2504.08480,
title = {Toward Realistic Adversarial Attacks in IDS: A Novel Feasibility Metric for Transferability},
author = {Sabrine Ennaji and Elhadj Benkhelifa and Luigi Vincenzo Mancini},
journal= {arXiv preprint arXiv:2504.08480},
year = {2025}
}