Detection of Aerial Spoofing Attacks to LEO Satellite Systems via Deep Learning
本文提出一种基于自编码器异常检测的LEO卫星欺骗攻击检测方法,通过无人机搭载软件定义无线电进行实测验证,能可靠检测不同高度的攻击,并开源数据。
2025-05-22 cs.CR
Physical Layer Anomaly Detection via Adaptive Gaussian Mixture Model
CY Cergy Paris Université(塞吉-蓬瓦兹大学);ENSEA(国立电子与信息技术高级工程学院);CNRS(法国国家科学研究中心);Barkhausen Institut(巴克豪森研究所)
针对室内无线定位系统中攻击者与合法节点空间接近时的CSI欺骗攻击检测难题,提出自适应GMM检测框架,经实验验证其在对应数据集上的检测性能优于多种传统方法。
2026-10-13 cs.CR cs.LG
Trust Under Siege: Label Spoofing Attacks against Machine Learning for Android Malware Detection
Université Paris Cité(巴黎西岱大学);University of Genova(热那亚大学);INRIA(法国国家信息与自动化研究所);EURECOM(欧洲通信学院)
该研究提出针对安卓恶意软件检测ML模型的标签欺骗攻击,开发AndroVenom方法,仅1%中毒样本即可导致模型DoS,还能翻转特定良性样本决策,凸显基于AV标注的ML训练过程的可信度问题。
2026-09-01 cs.CR cs.LG
Spatial-Temporal Anomaly Detection for Sensor Attacks in Autonomous Vehicles
Oxford e-Research Center, University of Oxford(牛津大学牛津电子研究中心)
超声波、激光雷达和雷达等飞行时间(ToF)距离测量设备广泛应用于自动驾驶汽车,用于环境感知、导航和辅助制动控制。尽管它们在做出更安全的驾驶决策方面相对重要,但这些设备容易受到多种攻击类型的攻击,包括欺骗,触发和错误数据注入。当这些攻击成功时,它们可能会危及自动驾驶汽车的安全,从而对驾驶员、附近车辆和行人造成严重后果。为了处理这些攻击和保护测量设备,我们提出了一个时空异常检测模型\textit{STAnDS},它结合了一个残差空间检测器,基于时间的预期变化检测。使用模拟定量环境对该方法进行了评估,结果表明\textit{STAnDS}在检测多种攻击类型方面是有效的。
2022-12-15 cs.CR cs.LG cs.SY
GNSS Spoofing Detection Based on Opportunistic Position Information
本文提出 PADS 概率框架,利用智能手机现成的网络位置与惯性数据,通过约束回归、高斯过程不确定性建模和异常值集成检测 GNSS 欺骗,真阳性率最高可达基线方法的 3 倍。
2025-06-14 cs.CR
Ontology-Based Anomaly Detection for Air Traffic Control Systems
广播式自动相关监视(ADS-B)协议越来越多地被航空业采用,作为飞机将其位置中继到空中交通管制(ATC)监视系统的方法。与传统的基于雷达的技术相比,ADS-B提供了更高的精度,但是,它的设计没有任何加密或身份验证机制,并且已被证明容易受到欺骗攻击。有能力的攻击者可以发送伪造的ADS-B消息,目的是在ATC显示器上显示虚假信息,威胁空中交通安全。更新ADS-B协议将是一个漫长的过程,因此,需要系统来检测异常ADS-B通信。介绍了一种基于本体的ADS-B异常检测系统ATC-Sense。ATC本体用于对模拟控制空域中的实体进行建模,并用于通过验证实体符合与飞机飞行轨迹、雷达读数和飞行报告相关的航空约束来检测伪造的ADS-B消息。我们评估了所提出的基于约束的检测方法的计算性能与几个ADS-B攻击的情况下,在一个模拟的ATC环境。我们展示了本体如何可以用于异常检测在实时环境中,并呼吁未来的工作,以研究如何提高这种方法的计算性能。
2022-07-01 cs.CR
Systematic Integration of Digital Twins and Constrained LLMs for Interpretable Cyber-Physical Anomaly Detection
Norwegian University of Science and Technology(挪威科技大学)
本文提出一种结合确定性启发法与约束性大语言模型的混合检测方法,用于实时检测工业控制系统中的异常,通过数字孪生保持过程同步并生成行为描述,验证了该方法在四个典型攻击场景中的有效性。
2026-04-04 cs.CR
Navigating Connected Car Cybersecurity: Location Anomaly Detection with RAN Data
针对联网汽车劫持与欺骗攻击,本文提出基于 RAN 事件监测的位置异常检测模块,利用数千万辆汽车数据识别同时出现在多地的恶意设备。
2024-07-02 cs.CR cs.NI
A New Approach to Dimensionality Reduction for Anomaly Detection in Data Traffic
Akamai Technologies(阿卡迈技术公司);Drexel University(德雷塞尔大学)
在大型网络中,对大量特征丰富的流量进行监控和管理在存储、传输和计算成本方面提出了重大挑战。降低这些成本的主要方法是基于执行数据到低维子空间的线性映射,使得数据中的一定大百分比的方差保留在低维表示中。这种基于方差的子空间降维方法强制选择固定的维数,对观察到的流量模式的实时变化不敏感,并且容易受到正常流量欺骗的影响。基于本文证明的理论见解,我们提出了一种新的基于距离的降维方法,其动机是观察到的和正常的流量的协方差矩阵之间的实时结构差异比单独的训练数据的结构更相关的异常检测。我们的方法,称为基于距离的子空间方法,允许在不同的时间窗口中减少不同数量的维度,并只达到有效的异常检测所需的维度数量。我们提出了我们的算法的集中式和分布式版本,并使用模拟真实的交通痕迹,展示了定性和定量的优势,基于距离的子空间方法。
2016-06-14 cs.CR cs.LG cs.NI
GUARD-CAN: Graph-Understanding and Recurrent Architecture for CAN Anomaly Detection
School of Cybersecurity, Korea University, Republic of Korea(韩国大学网络安全学院)
针对CAN总线缺乏安全机制导致的车载网络威胁问题,提出结合图表示学习与时序建模的GUARD-CAN异常检测框架,无需复杂特征工程即可有效检测四类CAN攻击。
2025-07-29 cs.AI cs.CR
Improving SIEM for Critical SCADA Water Infrastructures Using Machine Learning
Abertay University(阿伯泰大学);Naval Academy Research Institute(海军学院研究所);Middlesex University(密德萨斯大学)
网络控制系统(NAC)已经被用于许多工业过程中。它们旨在减少人为因素的负担,并有效地处理这些系统的复杂流程和通信。监控和数据采集(SCADA)系统用于工业、基础设施和设施过程(例如制造、加工、石油和水管道、建筑通风等)。与其他物联网(IoT)实现一样,SCADA系统容易受到网络攻击,因此,强大的异常检测是一项主要要求。然而,拥有一个准确的异常检测系统并不是一件容易的事情,因为很难区分网络攻击和系统内部故障(例如硬件故障)。在本文中,我们提出了一个模型,检测异常事件的SCADA控制的水系统。六个机器学习技术已被用于建立和评估模型。该模型分类不同的异常事件,包括硬件故障(如传感器故障),破坏和网络攻击(如DoS和欺骗)。与其他检测系统不同,我们建议的工作重点是通知操作员,当发生异常的事件发生的概率。这一补充信息有助于加快缓解进程。该模型使用真实世界的数据集进行训练和测试。
2019-03-06 cs.CR cs.LG
Scalable Hierarchical AI-Blockchain Framework for Real-Time Anomaly Detection in Large-Scale Autonomous Vehicle Networks
organization= Dept. of Computer Science \& Engg., International Institute of Information Technology , city= Bhubaneswar , postcode= 751003 , state= Odisha , country= India;organization= Dept. of Computer Science, Maharaja Sriram Chandra Bhanja Deo University , city= Baripada , postcode= 757003 , state= Odisha , country= India
针对大规模自动驾驶车辆网络实时异常检测的挑战,本文提出三层混合安全架构HAVEN,通过解耦实时本地检测与分布式协同,实现低于10ms的检测延迟、94%准确率及拜占庭容错,提升网络安全性与可扩展性。
2025-11-16 cs.AI cs.CR cs.LG
Synthetic Network Packet Generation through Statistical Learning and Genetic Algorithms
University of Massachusetts Dartmouth(马萨诸塞大学达特茅斯分校);United States Military Academy(美国军事学院)
针对IoT入侵检测系统数据集稀缺和类别不平衡问题,提出两种约束强制方法:统计学习(PCA+OCSVM/IF)和遗传算法,在ACI IoT 2023数据集上均通过验证,统计方法吞吐量高,遗传方法异常率低。
2026-06-23 cs.CR cs.LG