intrusion detection | BriefGPT

关键词intrusion detection

搜索结果 - 61

可解释人工智能用于入侵检测模型的比较分析
本研究通过使用遮挡敏感性方法，对二元和多类别分类的入侵检测任务中的各种机器学习模型进行了分析，使用相同的数据集。我们发现，大多数分类器仅利用少于三个关键特征就能实现高准确性，表明有效的特征工程对于入侵检测可能比应用复杂模型更为重要。我们还发
PDF20 days ago
物联网入侵检测的高效网络流量特征集
评估了使用不同的特征选择方法（信息增益、卡方检验、递归特征消除、平均绝对偏差和离散比）提供的特征集在多个 IoT 网络数据集中的影响，以提高计算机效率。结果显示在保持良好泛化能力的同时，提高了机器学习模型的计算效率，对于每个数据集识别出了最
PDF22 days ago
基于机器学习的入侵检测中，单个数据包特征对模型泛化的风险
研究通过文献回顾和实验探索了使用个别数据包特征（IPF）来进行 IoT 网络中的入侵检测，发现 IPF 的局限性导致了误导性较高的检测率，强调了需要考虑数据包相互作用的方法来实现强健的入侵检测。此外，我们证明基于 IPF 的模型往往无法在不
PDFa month ago
加强物联网环境中的网络入侵检测：自监督学习和少样本学习
该研究论文介绍了一个新颖的入侵检测方法，结合自监督学习、少样本学习和随机森林，通过从有限和不平衡的数据中学习并增强检测能力，优于现有方法，在物联网网络中检测和分类潜在的恶意软件和各种攻击，如 MaleVis 和 WSN-DS 数据集的准确率
PDFa month ago
优化 CNN-Bigru 性能：Mish 激活函数与 Relu 的对比分析
该研究通过比较网络激活函数 Mish 和 ReLU 在入侵检测任务上的性能，揭示了激活函数在提升入侵检测系统性能方面的有效性。
PDFa month ago
利用命令行语言模型在规模化环境中进行入侵检测
我们介绍了一种基于大规模预训练的入侵检测系统，通过在数千万条命令行上训练大型语言模型来实现基于人工智能的入侵检测，并在 3000 万个训练样本和 1000 万个测试样本上验证了我们解决方案的有效性。
PDF2 months ago
EG-ConMix：基于图对比学习的入侵检测方法
通过提出 EG-ConMix 方法，本文解决了 IoT 网络攻击事件监测的复杂性、数据不平衡问题，并展示了其在入侵检测性能方面相对于其他方法的显著优势。
PDF3 months ago
MLSTL-WSN：基于 SMOTETomek 的机器学习入侵检测在 WSNs 中的应用
我们提出了一种创新的入侵检测方法，将机器学习技术与 SMOTE-TomekLink 算法相结合，通过合成少数实例和消除 Tomek 链接，在无线传感器网络中实现了更高的检测准确性。该方法通过特征标准化和数据重采样技术解决了资源约束、数据冗余
PDF5 months ago
深度学习在金融领域提升网络安全弹性与高级威胁检测
本研究使用深度学习进行高级威胁检测，提高金融行业的网络安全性，并且聚焦异常入侵检测技术的研究。
PDF5 months ago
ROSpace: 基于 ROS2 的网络物理系统入侵检测数据集
通过在嵌入式的物理网络系统上进行渗透测试，从 Linux 操作系统、网络和 ROS2 服务三个层面监测特征，提出了一种用于入侵检测的时间序列数据集，描述了系统的预期行为及对 ROS2 特定攻击的响应，并允许测量检测攻击者的时间和在检测之前执
PDF5 months ago
边缘计算设备中用于入侵检测的有效多阶段训练模型
该研究引入了一种三阶段训练模型，结合增强的剪枝方法和模型压缩技术，以提高入侵检测系统的效果，并同时保持高准确性水平。实证评估结果表明，该解决方案显著减小了模型的维度，同时保持了与类似提议相当的准确性水平。
PDF5 months ago
探索高度量化的神经网络用于汽车 CAN 的入侵检测
利用定制量化的多层感知器（CQMLP）作为多类分类建模，可以在控制器区域网络（CAN）消息的正常流量中检测多个攻击，具有非常高的准确性，并且适用于关键 CAN 网络中的 ECU 集成。
PDF5 months ago
基于深度学习的汽车 CAN 嵌入式入侵检测系统
提出了一种基于 FPGA 的 ECU 方法，通过专用的现成硬件加速器实现深度卷积神经网络入侵检测模型，平均准确率超过 99％，在多个攻击数据集中的误检率为 0.64％，并且相比于 GPU 上的 IDS 实现，在能量消耗上降低了 94％，每个
PDF5 months ago
基于混合 FPGA 的轻量级多攻击 CAN 入侵检测系统
车辆之间越来越多的连接性正在提供新的功能，如连接的自动驾驶和先进的驾驶辅助系统（ADAS），以改善下一代车辆的安全性和可靠性。本文提出了一种轻量级的多攻击量化机器学习模型，使用 Xilinx 的 Deep Learning Processi
PDF5 months ago
基于贝叶斯网络模型推理分析的 5G 匿名干扰检测
本文介绍了一个基于 5G 协议栈中信号参数的匿名干扰检测模型，该系统通过监督学习和无监督学习实时高精度地检测干扰，包括未知类型干扰。监督模型的 AUC 为 0.964 至 1，相比之下，LSTM 模型的 AUC 为 0.923 至 1。然而
PDF7 months ago
通过联邦学习增强车联网中的入侵检测
本文提出了一个基于联邦学习的入侵检测框架，通过使用 CIC-IDS 2017 数据集，在 Internet of Vehicles (IOV) 中实现去中心化机器学习，采用 SMOTE 来处理类别不平衡，异常观测值检测来识别和移除异常观测值
PDF7 months ago
SecureBERT 和 LLAMA 2 增强的控制区网络入侵检测和分类
使用预训练的 Transformer 模型进行 CAN 入侵检测的实验中，我们开发了两个不同的模型: CAN-SecureBERT 和 CAN-LLAMA2，其中 CAN-LLAMA2 的性能超过了现有的模型，准确率达 0.999993，F
PDF7 months ago
面向物联网入侵检测的开放式蒲公英网络
通过无监督异构领域适应的开放集合蒲公英网络（OSDN）模型，从知识丰富的源网络入侵领域转移入侵知识到数据稀缺的目标物联网入侵领域，旨在提高入侵检测的准确性并发现新出现的目标领域入侵，实现了目标域与源域之间的知识转移。综合实验验证了 OSDN
PDF7 months ago
基于 CAN 消息的多视角统计图学习的车载入侵检测的有效性
提出了一种名为 StatGraph 的有效多视图统计图学习入侵检测方法，通过生成统计图并使用轻量级的浅层 GCN 网络来实现细粒度入侵检测，以提高对智能连接车辆中外部网络的复杂和变化的外部网络攻击的识别性和性能。
PDF8 months ago
ByteStack-ID：基于灰度图像的网络入侵检测的综合叠加模型，利用有效负载字节频率
该研究论文介绍了一种针对数据包级入侵检测的创新方法 ByteStack-ID，通过利用从有效载荷数据频率分布生成的灰度图像，该方法能够更准确地识别网络流量中不同攻击类型，相较于传统依赖于流量数据的网络入侵检测系统（NIDS），ByteSta
PDF9 months ago