近年来,机器学习技术逐渐成为主流网络入侵检测方案。然而机器学习模型固有的安全脆弱性,使其难以抵抗对抗攻击,即通过在输入中施加细微扰动而使模型得出错误结果。对抗机器学习已经在图像识别领域进行了广泛的研究,在具有高对抗性的入侵检测领域中,对抗机器学习将使网络安全面临更严峻的安全威胁。为应对此类威胁,从攻击、防御2个角度,系统分析并整理了将对抗机器学习技术应用于入侵检测场景的最新工作成果。首先,揭示了在入侵检测领域应用对抗机器学习技术所具有的独特约束和挑战;其次,根据对抗攻击阶段提出了一个多维分类法,并以此为依据对比和整理了现有研究成果;最后,在总结应用现状的基础上,讨论未来的发展方向。

http://www.infocomm-journal.com/txxb/CN/10.11959/j.issn.1000-436x.2021193

成为VIP会员查看完整内容
31

相关内容

深度学习模型鲁棒性研究综述
专知会员服务
88+阅读 · 2022年1月23日
专知会员服务
37+阅读 · 2021年9月28日
专知会员服务
44+阅读 · 2021年9月9日
专知会员服务
31+阅读 · 2021年8月13日
专知会员服务
43+阅读 · 2021年5月17日
专知会员服务
43+阅读 · 2021年1月18日
专知会员服务
87+阅读 · 2021年1月17日
专知会员服务
62+阅读 · 2021年1月10日
专知会员服务
94+阅读 · 2020年12月8日
专知会员服务
62+阅读 · 2020年9月10日
「深度学习模型鲁棒性」最新2022综述
专知
7+阅读 · 2022年1月23日
深度强化学习的攻防与安全性分析综述
专知
1+阅读 · 2022年1月16日
深度对抗视觉生成综述
专知
2+阅读 · 2021年12月29日
联邦学习研究综述
专知
11+阅读 · 2021年12月25日
深度学习赋能的恶意代码攻防研究进展
专知
1+阅读 · 2021年4月11日
深度学习在文本分类中的应用
AI研习社
13+阅读 · 2018年1月7日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
13+阅读 · 2021年3月3日
VIP会员
相关VIP内容
深度学习模型鲁棒性研究综述
专知会员服务
88+阅读 · 2022年1月23日
专知会员服务
37+阅读 · 2021年9月28日
专知会员服务
44+阅读 · 2021年9月9日
专知会员服务
31+阅读 · 2021年8月13日
专知会员服务
43+阅读 · 2021年5月17日
专知会员服务
43+阅读 · 2021年1月18日
专知会员服务
87+阅读 · 2021年1月17日
专知会员服务
62+阅读 · 2021年1月10日
专知会员服务
94+阅读 · 2020年12月8日
专知会员服务
62+阅读 · 2020年9月10日
相关资讯
「深度学习模型鲁棒性」最新2022综述
专知
7+阅读 · 2022年1月23日
深度强化学习的攻防与安全性分析综述
专知
1+阅读 · 2022年1月16日
深度对抗视觉生成综述
专知
2+阅读 · 2021年12月29日
联邦学习研究综述
专知
11+阅读 · 2021年12月25日
深度学习赋能的恶意代码攻防研究进展
专知
1+阅读 · 2021年4月11日
深度学习在文本分类中的应用
AI研习社
13+阅读 · 2018年1月7日
相关基金
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员