新的混合防御增强了网络入侵检测系统对对抗性攻击的抵抗能力

研究人员开发了一种混合防御机制，以保护网络入侵检测系统（NIDS）免受对抗性攻击。该方法结合了对抗性训练（AT）和高斯数据增强（GDA），以减轻快速梯度符号法（FGSM）和Carlini & Wagner（C&W）攻击的影响。所提出的方法显著提高了NIDS的准确性，从攻击后的低点0.2649（FGSM）和0.4961（C&W）分别提高到96.57%和89.20%，证明了其在增强NIDS鲁棒性方面的有效性。 AI

影响 增强了由AI驱动的网络入侵检测系统在面对复杂攻击时的安全性。

排序理由 关于网络安全新防御机制的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Adversarial Training
• Carlini & Wagner
• Fast Gradient Sign Method
• FGSM
• Gaussian Data Augmentation
• Khushnaseeb Roshan
• Network Intrusion Detection System

• 论文
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →