评估和提高基于机器学习的网络入侵检测器的对抗鲁棒性

青旅半醒 2023-10-16 17:03 5阅读 0赞

目录  
评估和提高基于机器学习的网络入侵检测器的对抗鲁棒性 1  
摘要 1  
一、 导言 1  
二、 相关工作 3  
三、 背景和动机 4  
四、 攻击方法 5  
五、 生成对抗特征 8  
六、 变异恶性流量 8  
七、 防御模式 11  
八、 实验评价 11  
十、结论 17  
二、相关工作  
在这项工作中，我们通过演示构造性攻击来评估鲁棒性。下面对相关工作中存在的攻击进行分类和介绍。  
逃避对NIDSs的攻击。对（N）IDS本身的规避攻击已经得到了广泛的研究\[17\]、\[25\]、\[26\]。关于规避基于签名的系统\[18\]、\[19\]、\[27\]、\[28\]和传统的基于异常的系统\[29\]-\[33\]已经进行了广泛的研究。然而，这种规避攻击只适用于没有学习模型的基于签名的网络入侵检测系统。  
对基于ML的系统进行对抗性攻击。在其他领域，针对基于ML的系统的对抗性攻击已经有了一些工作。计算机视觉领域中的对抗性示例已被广泛研究\[9\]、\[10\]、\[34\]、\[35\]。梯度下降法\[13\]和遗传编程（GP）\[14\]用于规避PDF恶意软件分类器。MalGAN\[15\]被提议生成对抗性恶意软件示例，以规避基于ML的恶意软件检测系统。基于GAN的方法也被用于欺骗实时视频分类系统\[11\]。文本情感分析系统被随机优化方法规避\[12\]。然而，由于网络流量和NIDS的特殊性，这些方法不能直接应用。  
对基于ML的NIDSs进行对抗性攻击。我们提出了对基于ML的NIDSs进行对抗性攻击的术语，并在表I中列出了现有攻击的不切实际假设。其具体定义和相关工作如下：  
1）特征空间攻击。对规避基于ML的NIDS的特征空间攻击假定攻击者可以直接修改特征向量。根据攻击者对目标NID的了解，现有的功能空间攻击可分为三类：  
特征空间白盒攻击（FW A）。FW A要求全面了解目标NID。在\[36\]中，四种基于梯度的对抗性示例攻击被直接用于规避MLP分类器。同样地，在\[37\]中，对抗性的例子也被用来逃避Kitsune。\[38\]中也使用了类似的基于梯度的方法来攻击物联网网络的网络入侵检测系统。  
特征空间灰盒攻击（FGA）。FGA需要目标分类器的反馈（与FWA相比，没有其他分类器知识）。在\[39\]中，提出了一种基于GAN的体系结构IDS-GAN，用于生成规避特征。在\[40\]中，提出了一种基于边界的方法，通过扰动特征来规避DoS检测系统。  
特征空间黑箱攻击（FBA）。FBA既不需要反馈，也不需要分类器的任何知识。在\[41\]中，随机修改了四个特征以避开僵尸网络检测器。  
然而，特征空间攻击是不切实际的，因为基于ML的NIDSs中的特征提取总是不可逆的。  
2）交通空间攻击。直接改变网络流量的现有攻击可分为三类：  
交通空间白盒攻击（TWA）。在\[23\]中，提出了一种使用与我们类似的变异算子的白盒攻击。然而，他们认为攻击者完全了解NIDS的假设在实践中很难实现。  
随机突变。在\[20\]中提出了几种变异以逃避僵尸网络检测器。\[22\]中提出了对流量的随机混淆。然而，这些方法纯粹是随机的，缺乏理论指导  
交通混乱。为了避免基于流量分析的检测，已经提出了几种流量混淆方法，如\[21\]。然而，他们只是简单地模仿良性流量和随机变异，而没有利用利用对抗性机器学习技术的ML/DL模型的漏洞。  
![在这里插入图片描述][bafb850c7b93469da51c6a2ecd0823e8.png_pic_center]  
![在这里插入图片描述][8da4c9b1078447ad89a95c3459bd678d.png_pic_center]  
![在这里插入图片描述][a6fb16641d544ee291f2695f48b2b072.png_pic_center]  
![在这里插入图片描述][202c45db6be14ad6b159101bce1a4eea.png_pic_center]  
![在这里插入图片描述][2d35c8a34187402dbe3ae59990773a76.png_pic_center]  
![在这里插入图片描述][fd8b6f8108a24e16aaf421b3a5fab326.png_pic_center]  
![在这里插入图片描述][7978cc73933e41ed9effd20ef7ef90f4.png_pic_center]  
![在这里插入图片描述][a0b675a083204abaa9026c9fe18366bd.png_pic_center]  
![在这里插入图片描述][b3bc28dcedbb49a698200d49a8412b05.png_pic_center]

[bafb850c7b93469da51c6a2ecd0823e8.png_pic_center]: https://img-blog.csdnimg.cn/bafb850c7b93469da51c6a2ecd0823e8.png#pic_center
[8da4c9b1078447ad89a95c3459bd678d.png_pic_center]: https://img-blog.csdnimg.cn/8da4c9b1078447ad89a95c3459bd678d.png#pic_center
[a6fb16641d544ee291f2695f48b2b072.png_pic_center]: https://img-blog.csdnimg.cn/a6fb16641d544ee291f2695f48b2b072.png#pic_center
[202c45db6be14ad6b159101bce1a4eea.png_pic_center]: https://img-blog.csdnimg.cn/202c45db6be14ad6b159101bce1a4eea.png#pic_center
[2d35c8a34187402dbe3ae59990773a76.png_pic_center]: https://img-blog.csdnimg.cn/2d35c8a34187402dbe3ae59990773a76.png#pic_center
[fd8b6f8108a24e16aaf421b3a5fab326.png_pic_center]: https://img-blog.csdnimg.cn/fd8b6f8108a24e16aaf421b3a5fab326.png#pic_center
[7978cc73933e41ed9effd20ef7ef90f4.png_pic_center]: https://img-blog.csdnimg.cn/7978cc73933e41ed9effd20ef7ef90f4.png#pic_center
[a0b675a083204abaa9026c9fe18366bd.png_pic_center]: https://img-blog.csdnimg.cn/a0b675a083204abaa9026c9fe18366bd.png#pic_center
[b3bc28dcedbb49a698200d49a8412b05.png_pic_center]: https://img-blog.csdnimg.cn/b3bc28dcedbb49a698200d49a8412b05.png#pic_center