TON_IoT
PulseAugur coverage of TON_IoT — every cluster mentioning TON_IoT across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
AI 攻击者规避物联网入侵检测系统
研究人员开发了一种使用深度 Q 网络 (DQN) 的自适应端口扫描规避技术，以挑战部署在资源受限设备（如 Raspberry Pi 3B+）上的基于机器学习的入侵检测系统 (IDS)。研究发现，虽然静态 IDS 模型对传统扫描具有高检测率，但 DQN 攻击者可以通过学习最佳探测时机、TCP 标志和有效载荷大小来有效规避它们。规避成功率因攻击者可用的特征可见性以及目标 IDS 模型而异，这表明物联网边缘环境需要更强大的防御措施。
-
新的幻象状态攻击利用 IIoT 入侵检测中的时间同步
研究人员引入了一种名为幻象状态攻击（PSA）的新型攻击，该攻击针对工业物联网（IIoT）环境中的入侵检测系统（IDS）。与以往修改数据或查询模型的对抗性方法不同，PSA 利用 IDS 中数据聚合窗口的时间同步性。通过引入细微的时间漂移，该攻击会导致 IDS 重构一个错误的运行状态，从而降低检测能力。该方法在 ToN-IoT 和 CIC IIoT 2025 数据集上针对随机森林、MLP 和 XGBoost 等常见机器学习模型进行了评估，…
-
新研究揭示剪枝会破坏物联网入侵检测器
一项新的研究论文识别出物联网（IoT）设备剪枝入侵检测器的一种关键故障模式，称为“输入层饥饿”。研究表明，虽然总体准确性可能仅略有下降，但由于检测器第一层受损，每类性能和宏F1分数可能急剧下降。当第一层的权重被过度剪枝时，就会出现此问题，导致错误归因和更高的误报率，通过保护这些初始权重或重新计算归一化统计数据可以缓解此问题。
-
新研究解决了自适应网络入侵检测中的验证挑战
一篇新研究论文提出了一种在推广新分类器之前对自适应网络入侵检测系统进行条件验证的方法。该研究解决了推广决策可能受到挑战者模型构建方式和支持证据数量影响的方法论挑战。在三个数据集（CICIDS2017、UNSW-NB15 和 ToN-IoT）上的实验表明，使用独立的挑战者管道可以减轻明显的推广损害。每个类别的证据样本增加提高了推广准确性，尽管结果因基准而异，并且主要由误报率的降低驱动。
-
新的RES-DARE框架增强了入侵检测系统的安全性和鲁棒性
研究人员推出了一种新颖的RES-DARE框架，旨在增强动态网络环境中入侵检测系统（IDS）的鲁棒性和安全性。该系统将误分类视为适应的信号而非丢弃，从而应对分布变化和不断演变的攻击行为的挑战。RES-DARE集成了几个组件，包括监督对比编码器、故障缓冲区机制和信任风险监视器，以实现自适应IDS行为。一个关键特性是AEHM-v2，一种回滚安全修复机制，只有在性能指标保持或提高时才提交适应，否则回滚到稳定状态。在CICIDS2017、UNS…