使用 NIDSGAN 生成实用的对抗性网络流量
Generating Practical Adversarial Network Traffic Flows Using NIDSGAN
AI 导读
研究者提出基于 GAN 的攻击算法 NIDSGAN，可生成逼真的对抗性网络流量绕过基于机器学习的网络入侵检测系统（NIDS）。在白盒、黑盒和受限黑盒下，该算法攻击两个最先进 DNN-based NIDS 的平均成功率分别为 99%、85% 和 70%，对逻辑回归、SVM、决策树和 KNN 类 NIDS 平均约 70%。作者称，未针对对抗流量部署防御的 ML-based NIDS 未来可能被攻破。