研究人员开发了NAFN,一个旨在通过提高网络入侵检测系统(NIDSs)在标记数据有限的情况下适应新攻击的能力的新框架。该框架特别解决了现有系统在增量学习过程中对噪声或错误标记数据的脆弱性。NAFN包含一个噪声检测组件来过滤掉不正确的标签,以及一个特征采样机制来重建准确的类别表示,即使在高达50%的标签噪声下,在基准数据集上也能展示出显著的性能提升。 AI
影响 增强了网络安全系统应对不断演变的网络威胁的鲁棒性和适应性。
排序理由 该条目描述了一个新颖的框架及其在基准数据集上的性能,符合研究类别。[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 →