PulseAugur
中
实时 09:51:59
English(EN) BGA: A noise-immune neural distillation framework for malicious signature extraction in high-entropy encrypted flows

新的BGA框架从加密流量中提取恶意签名

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了BGA，一个新颖的神经蒸馏框架，旨在从高熵加密网络流量中提取恶意签名。该框架利用方差分析（ANOVA）将关键特征与加密噪声分离，并采用带梯度惩罚的Wasserstein GAN（WGAN-GP）来解决类别不平衡问题，将检测召回率提高了43.2%。BGA集成了双向长短期记忆（BiLSTM）和自适应门控多头注意力机制，以过滤加密伪影并突出恶意模式。在标准基准上的评估显示，性能超过95.2%，且推理延迟低，表明在工业边缘设备上具有实时可行性。 AI

影响 该框架可以增强工业物联网环境中的实时威胁检测能力。

排序理由 该集群包含一篇详细介绍网络安全新技术框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新的BGA框架从加密流量中提取恶意签名

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Sheng Hong, Yixuan Huang, Weiwei Jiang, Junyuan Zhang, Jiacheng Wang, Ruijian Jiao ·

    BGA：一种抗噪声神经蒸馏框架，用于高熵加密流中的恶意签名提取

    arXiv:2608.14126v1 Announce Type: cross Abstract: To mitigate attention dilution in high-entropy TLS 1.3 flows, we propose BGA, a noise-immune neural distillation framework for encrypted threat intelligence.The methodology first employs Analysis of Variance (ANOVA) to decouple hi…

相关实体

相关话题