intrusion detection systems | BriefGPT

关键词intrusion detection systems

搜索结果 - 50

基于扩散的对抗净化用于入侵检测
证明扩散模型在网络入侵检测中净化对抗样本方面的有效性，通过对扩散参数的全面分析，识别最佳配置以最大限度地提高对抗鲁棒性而对正常性能的影响最小。重要的是，该研究揭示了扩散噪声和扩散步骤之间的关系，对该领域具有重要贡献。实验在两个数据集上进行，
PDF7 days ago
用于 CAN 中伪装攻击的无监督在线入侵检测系统的基准测试
通过一个带有滑动窗口设置的基准研究，我们介绍了针对车载控制器区域网络中的伪装攻击的四种非深度学习无监督在线入侵检测系统，其中以检测时间序列的层次结构变化为基础的方法表现最佳，但计算开销较高。我们讨论了其局限性、开放性挑战，并说明了如何将这些
PDF13 days ago
无人机网络中用于多类分类的增强入侵检测系统
本研究提出了一种新的用于无人机网络的入侵检测系统，采用二元元组表示来编码类别标签，结合基于深度学习的方法进行分类，通过捕捉复杂的类别关系和时序网络模式来增强入侵检测能力，并通过对不同无人机共同特征的交叉相关研究来排除可能误导入侵检测分类的相
PDF18 days ago
CARACAS: 车辆架构用于详细的 CAN 攻击模拟
现代车辆对利用网络基础设施的攻击（尤其是 Controller Area Network 网络）越来越容易受到威胁。本文通过利用 Simulink 等仿真框架的建模能力以及攻击模型的强大表示，探讨了通过生成合成数据集来有效应对此类威胁的可行
PDF21 days ago
软件定义网络中的序列二进制分类用于入侵检测
针对软件定义网络中机器学习基础入侵检测系统数据集可能存在的高类别不平衡问题，本文提出了一种称为串行二元分类的算法，通过构建一系列层级级联的基分类器来解决该问题，并使用基准数据集进行了广泛实验以评估其在不同场景下的性能。
PDF22 days ago
利用 CNN 和 LSTM 提升物联网安全性的入侵检测系统
提出了一种结合卷积神经网络（CNN）和长短期记忆（LSTM）深度学习模型的入侵检测系统（IDS）模型，用于保护物联网设备免受网络攻击的伤害，通过利用 CNN 的空间特征提取功能进行模式识别和 LSTM 的顺序记忆功能进行复杂时序依赖分析，实
PDFa month ago
StatAvg：在联邦学习中减轻入侵检测系统中的数据异质性
本文提出了一种称为 StatAvg 的有效方法，以缓解 FL 客户端之间分布不独立和不完全相同的特征，通过在 FL 实际训练过程之前，让 FL 客户端与服务器共享数据统计信息并进行全局统计归一化，实验证明 StatAvg 相对于基准方法在缓
PDFa month ago
系统评述：自动驾驶车辆中的异常检测
这篇系统综述主要研究与连接和自动驾驶车辆相关的异常检测。研究发现，神经网络（如 LSTM，CNN 和自编码器）以及单类支持向量机是最常用的人工智能算法。大多数异常检测模型使用真实世界的车辆数据进行训练，但常常人为地向数据集中注入攻击和故障等
PDF2 months ago
增强物联网安全性：一种新颖的特征工程方法用于基于机器学习的入侵检测系统
本文介绍了一种在边缘用户物联网环境下改进机器学习型入侵检测系统的方法，通过创建信息性特征来在成本和准确性之间实现平衡，并利用混合二进制量子启发式人工蜜蜂群算法和遗传规划算法来减少冗余特征。其中，NSL-KDD、UNSW-NB15 和 BoT
PDF2 months ago
基于图神经网络的多阶段攻击检测与预测：IoT 可行性研究
提出了一种受 Lockheed Martin 网络攻击链启发的新型 3 阶段入侵检测系统，用于检测复杂多步骤的攻击，通过第一个和第二个阶段的检测来预测第三个阶段的攻击，使用 ToN IoT 数据集，实现了平均 94% 的 F1 分数，性能优
PDF2 months ago
LEMDA: 物联网系统入侵检测的新颖特征工程方法
提出了一种名为 LEMDA 的新型特征工程方法，通过选择和创建最有信息的特征，减少大规模物联网系统中的数据大小和维度，使得模型更简单且具有优异的性能、更小的数据存储以及更快的检测速度。
PDF2 months ago
智能入侵检测系统的可重构边缘硬件：系统性方法
本文分析智能入侵检测系统（I-IDS）的概念，并针对边缘设备的特定需求以及可重构性等多个方面挑战，介绍了一种在可重构边缘硬件上构建智能入侵检测系统的系统化方法，通过实现所提出的纯 FPGA 数据流处理器（DFP）和以 RISC-V 软核为特
PDF3 months ago
基于 Transformer 的有效载荷恶意软件检测与分类框架
基于变压器的恶意流量检测算法，在只使用有效载荷字节的情况下，能够有效区分测试数据集中的恶意流量与良性流量，实现了二进制分类的平均准确率为 79% 和多类分类实验的准确率为 72%。
PDF3 months ago
物联网入侵检测系统的多输入自编码器引导特征选择
该研究论文介绍了一种新的神经网络架构（Multiple-Input Auto-Encoder，MIAE），该模型通过无监督学习将异构输入转化为低维表示，并设计了特征选择层以选择信息丰富的特征。这种方法在检测入侵行为方面表现优秀，同时具有较快
PDF3 months ago
基于可解释机器学习的医疗物联网系统的安全与隐私保护框架
医学物联网能够革新医疗保健，通过实时健康数据收集帮助早期疾病检测和个性化护理，并借助机器学习进行异常检测，结合联邦学习和可解释的人工智能方法以保护用户隐私。
PDF4 months ago
一种可解释的泛化机制用于准确检测异常并识别网络入侵技术
通过互联网入侵检测系统（IDS）与可解释人工智能（XAI）的集成，最近取得了显著的性能提升，通过精确的特征选择。然而，深入了解网络攻击需要 IDS 内部可解释的决策过程。本文提出了易于解释的泛化机制（IG），具有革新 IDS 能力的潜力。I
PDF4 months ago
MKF-ADS：面向汽车的多知识融合异常检测系统
在本文中，我们提出了一种新颖的多知识融合异常检测模型 MKF-IDS，该模型具备强大的预测和检测性能，通过空时关联和知识蒸馏等技术对智能交通系统中的安全问题进行解决。
PDF4 months ago
用于检测 MQTT-IoT 协议攻击的多类分类方法
我们的工作集中于创建分类模型，以数据集为基础，该数据集包含使用 MQTT 协议的 IoT 系统遭受攻击的帧，以提高入侵检测系统的性能。我们研究了集成方法和深度学习模型两种分类攻击的方法，并取得了非常令人满意的结果。
PDF5 months ago
X-CBA: 解释能助力 CatBoosted Anomal-E 用于入侵检测系统
使用深度学习和图神经网络构建的可解释入侵检测系统（IDS）提供了高精度的网络攻击和异常识别方案。该研究通过利用网络流数据，结合边属性，改进检测能力，适应新型威胁，并提供清晰可行的解释分析结果，以促进机器学习和深度学习技术在网络安全防御中的广
PDF5 months ago
基于机器学习的网络入侵检测在大规模和不平衡数据上的应用：过采样、堆叠特征嵌入和特征提取
我们介绍了一种基于机器学习的网络入侵检测模型，使用随机过采样处理数据不平衡并基于聚类结果进行堆叠特征嵌入，以及使用主成分分析进行维度约简，特别适用于大规模和不平衡的数据集，并在三个现阶段的基准数据集：UNSW-NB15、CIC-IDS-20
PDF5 months ago