intrusion detection system
PulseAugur coverage of intrusion detection system — every cluster mentioning intrusion detection system across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新型防御TA-RS提升LLM入侵检测鲁棒性
研究人员开发了流量感知随机平滑（TA-RS），这是一种新颖的防御机制，旨在增强基于大语言模型（LLM）的入侵检测系统（IDS）抵御复杂流量操纵的鲁棒性。该方法将高斯噪声专门注入可控特征，使防御策略与攻击者的能力保持一致。TA-RS在各种数据集上展示了认证精度的显著提高，其性能优于标准的随机平滑技术，并通过调整噪声增强在RT-IoT2022等挑战性数据集上恢复了性能。
-
AI入侵检测模型无法跨工控物联网网络泛化
arXiv上发表的一项新研究强调了专为工控物联网（IIoT）网络设计的轻量级机器学习模型的入侵检测方面存在严重的泛化失败问题。研究人员发现，在一个IIoT数据集上训练的模型在评估不同、结构不同的数据集时表现不佳，即使在使用受限的特征集的情况下也是如此。分析显示，这些模型严重依赖粗粒度的端口类别特征，这些特征在不同网络环境中充当了捷径，而不是可靠的指标。该研究强调，需要根据真实的类别分布进行跨网络评估，以准确评估部署就绪情况，因为仅凭域…
-
新的熵框架增强了可解释的网络入侵检测
研究人员开发了一个名为多级分布熵（MDE）的新框架，用于可解释的网络入侵检测系统。MDE 从流级汇总统计数据中提取可解释的熵特征，无需访问原始数据包或训练数据。在四个基准测试中，MDE 取得了与传统特征相当的高加权 F1 分数，同时还提供了对故障模式和时间偏移下性能的洞察。
-
新的熵框架增强了可解释的网络入侵检测
研究人员开发了一个名为多级分布熵（MDE）的新框架，用于可解释的网络入侵检测系统。MDE 从流级汇总统计数据中提取可解释的熵特征，无需原始数据包或训练。MDE 的纯熵特征在四个基准测试中均取得了高 F1 分数，与传统方法相当，同时还能揭示聚合指标可能掩盖的故障模式。