对抗机器学习在网络入侵检测领域的应用

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