PulseAugur
中
实时 10:03:55
English(EN) Diff-DDoS: Realistic Cyber-Physical Attack Synthesis and Robust Detection for 5G-Enabled CPS Using Tabular Diffusion Models

新框架使用扩散模型为5G系统合成真实的网络物理攻击

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了Diff-DDoS，一个旨在提高5G赋能系统网络物理攻击检测能力的新框架。该框架利用表格扩散模型合成真实的攻击数据，解决了标记攻击样本稀缺的问题。通过采用对抗性扩散训练（ADT），Diff-DDoS旨在提高入侵检测器对自适应对手的鲁棒性，在各种攻击场景下与现有方法相比，F1分数有了显著提高。 AI

影响 通过提高攻击数据的真实性和检测模型的鲁棒性，增强了5G赋能系统的安全性。

排序理由 该集群包含一篇研究论文，详细介绍了使用扩散模型进行网络物理攻击合成和检测的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新框架使用扩散模型为5G系统合成真实的网络物理攻击

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Bilal Hussain, Xiao Tang, Qinghe Du, Tan Li, Muhammad Azhar, Danista Khan ·

    Diff-DDoS：利用表格扩散模型实现 5G 赋能的 CPS 的真实网络物理攻击合成与鲁棒检测

    arXiv:2608.17796v1 Announce Type: cross Abstract: Deep learning-based DDoS detectors for 5G-enabled cyber-physical systems face scarce labeled attack data and unrealistic synthetic substitutes, which limit robustness against adaptive adversaries. Detectors trained on hand-crafted…

相关实体

相关话题