基于 XAI 的特征选择以提升网络入侵检测系统
密码学与安全
2024-10-15 v1 人工智能
摘要
可解释性和 AI 模型的评估是现代网络安全领域入侵检测系统（IDS）安全性的关键组成部分,但目前仍不足。因此,特征选择对于 IDS 中的此类组成部分至关重要,因为它识别最关键的特征,从而增强攻击检测及其描述。在本工作中,我们通过提出新方法来应用可解释 AI（XAI）来解决 IDS 的特征选择问题。我们识别了来自不同 AI 方法产生的关键属性,并伴随新颖的五种属性选择方法。随后,我们将众多最先进的特征选择策略与本文提出的 XAI 基于特征选择方法进行比较,结果表明,大多数 AI 模型在使用本文提出的 XAI 基于方法时表现更佳。通过提供新颖的特征选择技术并为数种 XAI 基于策略奠定基础,本研究帮助安全分析师更好地理解 IDS 中 AI 决策推理,从而更清晰地把握关键入侵特征。此外,我们公开源代码,以便社区能够在本文建立的 XAI 基于特征选择框架之上开发额外模型。
引用
@article{arxiv.2410.10050,
title = {XAI-based Feature Selection for Improved Network Intrusion Detection Systems},
author = {Osvaldo Arreche and Tanish Guntur and Mustafa Abdallah},
journal= {arXiv preprint arXiv:2410.10050},
year = {2024}
}
备注
24 pages, 4 figures