使用EBGAN进行异常入侵检测
密码学与安全
2022-06-22 v1 人工智能
摘要
作为一种主动的网络安全防护方案，入侵检测系统（IDS）承担着以恶意网络流量形式检测网络攻击的重要职责。入侵检测技术是IDS的重要组成部分。目前，许多学者已对入侵检测技术展开广泛研究。然而，针对海量网络流量数据开发高效的入侵检测方法仍然困难。由于生成对抗网络（GAN）对复杂高维数据具有强大的建模能力，其为解决该问题提供了新思路。本文提出一种基于EBGAN的入侵检测方法IDS-EBGAN，将网络记录分类为正常流量或恶意流量。IDS-EBGAN中的生成器负责将训练集中的原始恶意网络流量转换为对抗性恶意样本。这是因为我们希望利用对抗学习提升判别器检测恶意流量的能力。同时，判别器采用自编码器（Autoencoder）模型。在测试阶段，IDS-EBGAN利用判别器的重构误差对流量记录进行分类。
引用
@article{arxiv.2206.10400,
title = {Using EBGAN for Anomaly Intrusion Detection},
author = {Yi Cui and Wenfeng Shen and Jian Zhang and Weijia Lu and Chuang Liu and Lin Sun and Si Chen},
journal= {arXiv preprint arXiv:2206.10400},
year = {2022}
}