在工业物联网网络中揭示和理解 FPR 操作操纵攻击

在网络安全领域，由于实际问题——包括数据不平衡和异构的合法网络流量——机器学习基于 NIDS 的对抗攻击被视为被误分类为良性的攻击包。基于此普遍信念，(恶意)扰动良性数据包被误分类为攻击的可能性几乎被忽略。本文表明这不仅在理论上可能，而且在 NIDS 中构成特定威胁。特别是，我们揭示了一种针对工业物联网网络的实用网络攻击——FPR 操作操纵攻击 (FPA)，该攻击利用广泛使用的 MQTT 协议的领域特定知识，系统性地对数据包进行简单的水平扰动，以改变良性流量样本的标签，而无需采用传统的梯度基于或非梯度基于方法。实验评估表明，这一新型攻击成功率可达 80.19%至 100%。此外，在 Security Operations Center 中估计影响时，我们观察到，即便仅少量的误报警报（无论不同预算约束和警报流量强度），在正常运行条件下也会使真实警报调查延迟最多达到 2 小时。进一步地，我们进行了一系列相关的统计和 XAI 分析，以了解此高成功率背后的关键因素。最后，我们探讨了 FPA 数据包通过对抗训练来增强模型鲁棒性的有效性，并研究了决策边界的相应变化。