研究人员推出了一种新颖的入侵检测框架TRACE,该框架利用拓扑表示和对比学习。该方法通过结合消息传递和拓扑表示,从良性系统活动图中学习,使其能够在学习阶段无需攻击标签即可识别异常。TRACE在StreamSpot、GraSec-IoT和Unicorn Wget三个数据集上进行了评估,取得了具有竞争力的F1分数,尽管与监督模型和仅良性基线相比,其在不同数据集上的性能有所不同。 AI
影响 引入了一种新的入侵检测方法,可能在标记攻击数据有限的情况下提高准确性。
排序理由 该条目描述了一篇介绍新颖入侵检测框架的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →