Fuzzy Aided Application Layer Semantic Intrusion Detection System - FASIDS
其目的是开发一个模糊辅助的应用层语义入侵检测系统（FASIDS），它工作在网络栈的应用层。FASIDS包括语义入侵检测系统和基于模糊的入侵检测系统。基于规则的IDS查找被定义为恶意的特定模式。如果非侵入性规则模式在短时间间隔内出现多次，则可能是恶意的。为了检测此类恶意活动，本文提出了FASIDS。在应用层，分析HTTP流量的报头和负载，以发现可能的入侵。在建议的误用检测模块中，语义入侵检测系统的工作规则的基础上，定义各种应用层的误用，发现在网络中。IDS识别的攻击基于规则库中的相应规则。一个事件，不使一个'命中'的规则库是给一个模糊入侵检测系统（FIDS）作进一步分析。
2010-05-25 cs.CR
SoK: Harmonizing Attack Graphs and Intrusion Detection Systems
Delft University of Technology（代尔夫特理工大学）；Sapienza Univerisity of Rome（罗马第一大学）
本文首次系统分析了攻击图与入侵检测系统整合，揭示了现有研究多为单一用途整合，并提出了一种统一的生命周期框架以提升威胁检测和响应能力。
2026-03-09 cs.CR
A Controlled Experiment on the Impact of Intrusion Detection False Alarm Rate on Analyst Performance
本文通过对照实验比较 50% 与 86% IDS 误报率，发现高误报率显著降低分析师精确率并增加任务耗时，但不显著影响检测敏感度。
2023-07-13 cs.CR
Dynamic Multi Layer Signature based Intrusion Detection system Using Mobile Agents
入侵检测系统已经成为保证系统和网络安全的关键组成部分。随着网络规模的不断扩大和速度的不断提高，为IDS系统开发有效的可扩展技术至关重要。基于特征的检测是入侵检测系统中应用最广泛的威胁检测技术。基于签名的入侵检测系统面临的最大挑战之一是，当每个数据包都需要与数据库中的每个签名进行比较时，如何跟上大量的传入流量。当入侵检测系统无法跟上流量泛滥的速度时，它所能做的就是丢弃数据包，因此可能会错过潜在的攻击。本文提出了一种基于移动代理的动态多层签名入侵检测系统模型，该模型通过动态自动地创建和使用小型高效的多个数据库，并利用移动代理提供定期更新这些小型签名库的机制，从而以很高的成功率检测到迫在眉睫的威胁
2010-10-25 cs.CR
An Evolution Strategy Approach toward Rule-set Generation for Network Intrusion Detection Systems (IDS)
随着系统和网络基础设施中入侵数量的增加，入侵检测系统（IDS）已成为一个活跃的研究领域，以开发可靠和有效的解决方案来检测和应对它们。进化算法在入侵检测系统中的应用已经证明了它的成熟性。虽然大多数的研究工作都是基于使用遗传算法在入侵检测系统中，本文提出了一种方法对规则的生成，用于识别异常连接使用演化策略。重点是如何将问题建模为ES原语，以及如何评估种群的适应度以找到局部最优解，从而产生可用于入侵检测系统中检测入侵的最优规则。
2012-12-01 cs.CR cs.NE
Analyzing Root Causes of Intrusion Detection False-Negatives: Methodology and Case Study
入侵检测系统（IDS）是一种必要的网络防御机制。不幸的是，他们的能力已经落后于攻击者。这促使我们更好地理解他们的假阴性的根本原因。在本文中，我们对绘制有用的见解和原则，可以指导下一代IDS的设计的最终目标迈出了第一步。具体来说，我们提出了一种方法来分析IDS误报的根本原因，并进行了基于Snort和真实世界的网络攻击数据集的案例研究。案例研究使我们能够得出有益的见解。
2019-09-18 cs.CR
SSIDS: Semi-Supervised Intrusion Detection System by Extending the Logical Analysis of Data
传统的入侵检测系统（IDS）由于网络流量的巨大和攻击者使用的欺骗性网络使用模式而不再有效，因此防止对关键网络资源的网络攻击已经成为一个重要的问题。缺乏足够数量的标记观测用于训练IDS使得半监督IDS成为首选。我们提出了一个半监督入侵检测系统扩展的数据分析技术称为逻辑分析数据，或LAD在短期内，这是作为一个监督学习的方法。LAD使用部分定义的布尔函数（pdBf）和它们的扩展来从过去的观测中找到正模式和负模式，以用于对未来的观测进行分类。我们扩展了LAD，使其成为半监督的设计一个IDS。拟议的小岛屿发展中国家战略包括两个阶段：离线和在线。离线阶段通过识别正常和异常网络使用的行为模式来构建分类器。然后，将这些模式转换为分类规则，并在在线阶段使用这些规则来检测异常网络行为。实验结果表明，所提出的SSIDS的性能远远优于现有的半监督IDS，并与监督IDS相当。
2020-07-21 cs.CR
An overview of Intrusion Detection and Prevention Systems
网络威胁不仅在数量上，而且在复杂性和检测难度上都在增加。多年来，攻击已成为国家/全球威胁，因为它们针对私人和公共部门以及政府部门。这是一个日益严重的问题，组织正在采取措施减少、检测和预防威胁。要做到这一点，他们需要使用配备了这些步骤的能力的系统，并为他们使用的网络类型（例如有线或无线）开发它们。这些系统之一是入侵检测系统（IDS），其可以用作威胁或攻击的第一防御机制或第二防御机制。网络中可能发生不同类型的攻击，例如拒绝服务（DoS）/分布式拒绝服务（DDoS）、端口扫描、恶意软件或勒索软件等，IDS具有检测能力。为了帮助减轻这种攻击，还有入侵防御系统（IPS），其作用与IDS的作用不同。与IDS不同的是，它们不仅可以检测威胁，还可以防止威胁破坏网络，IPS可以与IDS结合使用，使防御能力加倍。本文概述了入侵检测系统及其分类和入侵防御系统。它将详细说明使用IDS、IPS和混合（如入侵检测预防系统（IDS和更多））的典型优点和限制，这些将进一步讨论。它还将概述使用ML的发展，以及如何使用它来改进这些系统，以及它们产生的困境和可能的方法来应对它们。
2020-04-19 cs.CR
AOC-IDS: Autonomous Online Framework with Contrastive Learning for Intrusion Detection
提出AOC-IDS在线入侵检测框架，利用自编码器与簇排斥对比损失实现自主异常检测，通过伪标签免人工标注，在NSL-KDD和UNSW-NB15上性能优于现有方法。
2024-02-02 cs.CR
FAST-IDS: A Fast Two-Stage Intrusion Detection System with Hybrid Compression for Real-Time Threat Detection in Connected and Autonomous Vehicles
Department of Computer Science and Information Systems, BITS Pilani, Pilani Campus（计算机科学与信息系统系，比斯汉学院）
FAST-IDS是一种用于连接与自动驾驶车辆实时威胁检测的快速两阶段入侵检测系统，采用混合压缩技术提升实时检测性能。
2025-12-30 cs.AI cs.CR
Machine Learning Based IoT Intrusion Detection System: An MQTT Case Study (MQTT-IoT-IDS2020 Dataset)
物联网（IoT）是网络安全领域的主要研究领域之一。这是由于（a）对自动化设备的依赖性增加，以及（b）部署用于特殊目的网络使用的通用入侵检测系统（IDS）的不足。许多轻量级协议被提议用于IoT设备通信使用。物联网机器对机器通信协议之一是消息传输远程传输（MQTT）协议。然而，据作者所知，没有包含MQTT良性或攻击实例的可用IDS数据集，因此没有可用的IDS实验结果。在本文中，六个机器学习（ML）技术来检测基于MQTT的攻击的有效性进行了评估。三个抽象层次的功能进行评估，即，基于数据包，单向流，双向流功能。生成MQTT模拟数据集并用于训练和评估过程。该数据集以开放获取许可证发布，以帮助研究界进一步分析伴随而来的挑战。实验结果表明，所提出的ML模型，以满足基于MQTT的网络IDS的要求。此外，研究结果强调了使用基于流的特征来区分基于MQTT的攻击和良性流量的重要性，而基于数据包的特征足以用于传统的网络攻击。
2020-11-16 cs.CR
A Robust and Fault-Tolerant Distributed Intrusion Detection System
由于不可能预测和识别网络的所有漏洞，并且不能总是阻止恶意入侵者对系统的渗透，因此入侵检测系统（IDS）是确保网络系统安全的重要实体。为了有效地履行其职能，入侵检测系统需要准确，适应性和可扩展性。鉴于这些严格的要求和当今网络的高水平的脆弱性，IDS的设计已经成为一个非常具有挑战性的任务。尽管已经对分布式环境中的入侵检测进行了广泛的研究，但是分布式IDS遭受许多缺点，例如，本文提出了一种分布式入侵检测系统的设计方案，该系统由一组自主协作的代理组成。除了检测攻击的能力之外，该系统还能够识别和隔离网络中的受损节点，从而在其操作中引入容错。实验结果表明，与现有的一些系统相比，该系统具有较高的检测效率和较低的误报率。
2010-12-31 cs.CR
A Survey of Intrusion Detection Systems Leveraging Host Data
本调查的重点是入侵检测系统（IDS），利用基于主机的数据源检测攻击企业网。基于主机的入侵检测系统（HIDS）的文献是由输入数据源，提出有针对性的子调查的HIDS研究利用系统日志，审计数据，Windows注册表，文件系统，和程序分析。虽然系统调用通常包含在审计数据中，但几个公开的系统调用数据集引发了一系列关于此主题的IDS研究，值得单独一节。同样，一节调查算法的发展，适用于HIDS，但测试网络数据集包括在内，因为这是一个大的和不断增长的领域适用的文献。为了适应当前的研究人员，一个补充部分提供了公开可用的数据集的描述，概述了他们的特点和缺点时，用于IDS评估。相关的调查进行了组织和说明。所有章节都附有表格，简要组织了所讨论的文献和数据集。最后，挑战，趋势和更广泛的观察是整个调查和结论随着IDS研究的未来方向。
2018-05-17 cs.CR
Shape of the Cloak: Formal Analysis of Clock Skew-Based Intrusion Detection System in Controller Area Networks
本文提出了一种新的伪装攻击称为伪装攻击，并提供了正式的分析基于时钟偏差的入侵检测系统（IDS），检测伪装攻击的控制器局域网（CAN）在汽车。在伪装攻击中，攻击者通过增加延迟来操纵欺骗消息的消息间传输时间，以便模拟期望的时钟偏差并避免检测。为了预测和表征伪装攻击对给定CAN总线和IDS的攻击成功概率的影响，我们为两个基于时钟偏差的IDS开发了正式模型，即，最先进的（SOTA）IDS及其对广泛使用的网络时间协议（NTP）的适应，使用攻击者、检测器和硬件平台的参数。据我们所知，这是第一篇提供汽车CAN中基于时钟偏差的IDS的正式分析的论文。我们实现了两个硬件测试平台，原型和一个真正的车辆（华盛顿大学（UW）EcoCAR）的伪装攻击，并证明其有效性对SOTA和基于NTP的IDS。我们验证我们的正式分析，通过广泛的实验，不同的消息，IDS设置，和车辆。通过比较每个预测的攻击成功概率曲线与其实验曲线，我们发现，SOTA IDS和基于NTP的IDS的平均预测误差分别在3.0%和5.7%。
2019-01-24 cs.CR
Intrusion Detection System: Overview
网络入侵检测（NID）是识别可能导致安全策略受损的网络活动的过程。在本文中，我们将着眼于四个入侵检测方法，其中包括人工神经网络或人工神经网络，SOM，模糊逻辑和SVM。人工神经网络（ANN）是入侵检测系统（IDS）中应用最早的系统之一，它提出了监督学习方法。然而，在这项研究中，我们也遇到了SOM或自组织映射，这是一个基于人工神经网络的系统，但应用无监督的方法。另一种方法是模糊逻辑（基于IDS），它也适用于无监督学习方法。最后，我们将研究用于IDS的SVM系统或支持向量机。本文的目标是使用这些监督和无监督的方法绘制混合方法的图像。
2010-02-22 cs.CR
Optimizing Intrusion Detection System Performance Through Synergistic Hyperparameter Tuning and Advanced Data Processing
针对传统入侵检测难以识别复杂网络异常的问题，提出融合 K-means+SMOTE、PCA/FCBF 降维及 Extra Trees、BO-TPE 超参数优化的深度学习方案，VGG19 在两个 IDS 数据集上准确率均超过 99.2%。
2024-08-03 cs.CR
GIDS: GAN based Intrusion Detection System for In-Vehicle Network
车辆中的控制器局域网（CAN）总线是一种有效的标准总线，能够在所有电子控制单元（ECU）之间进行通信。然而，CAN总线由于缺乏安全功能，不足以保护自身。为了有效地检测可疑的网络连接，入侵检测系统（IDS）是非常必要的。与传统的互联网入侵检测系统不同，车辆网络的已知攻击特征数量很少。此外，车辆的IDS需要高精度，因为任何假阳性错误都可能严重影响驾驶员的安全。为了解决这个问题，我们提出了一种新的IDS模型，GIDS（基于GAN的入侵检测系统），使用深度学习模型，生成对抗网络。GIDS可以学习仅使用正常数据来检测未知攻击。实验结果表明，GIDS对四种未知攻击都有较高的检测准确率。
2019-07-17 cs.CR
Evaluation of Machine Learning Algorithms in Network-Based Intrusion Detection System
网络安全已成为企业关注的焦点之一。随着互联网使用的持续增长，网络攻击的数量不断增加。入侵检测系统（IDS）是一种帮助检测网络攻击的警报系统。随着新型网络攻击的不断出现，研究人员专注于开发基于机器学习（ML）的IDS来检测零日攻击。研究人员在评估IDS检测零日攻击的性能时，通常从训练数据集中删除部分或全部攻击样本，只将它们包含在测试数据集中。虽然这种方法可以显示IDS检测未知攻击的能力;但是，它不能反映IDS的长期性能，因为它只显示攻击类型的变化。在本文中，我们专注于评估基于ML的IDS的长期性能。为了实现这一目标，我们建议评估ML为基础的IDS使用的数据集，创建晚于训练数据集。该方法可以更好地评估基于ML的IDS的长期性能，因为测试数据集反映了攻击类型的变化和网络基础设施随时间的变化。我们已经实现了六种用于IDS的最流行的ML模型，包括决策树（DT），随机森林（RF），支持向量机（SVM），朴素贝叶斯（NB），人工神经网络（ANN）和深度神经网络（DNN）。我们使用CIC-IDS 2017和CSE-CIC-IDS 2018数据集进行的实验表明，SVM和ANN最能抵抗过拟合。此外，我们的实验结果还表明，DT和RF受到过拟合的影响最大，尽管它们在训练数据集上表现良好。另一方面，我们使用LUFlow数据集的实验表明，当训练数据集和测试数据集之间的差异很小时，所有模型都可以表现良好。
2022-03-10 cs.CR
SF-IDS: An Imbalanced Semi-Supervised Learning Framework for Fine-grained Intrusion Detection
本文提出半监督细粒度入侵检测框架SF-IDS，通过RI-1DCNN骨干模型增强特征提取，结合不确定性评估过滤伪标签，并采用混合损失函数缓解类别不平衡，在标签受限下显著提升检测性能。
2023-08-01 cs.CR
Evaluation of the Architecture Alternatives for Real-time Intrusion Detection Systems for Connected Vehicles
攻击者演示了如何使用远程访问联网车辆的车载网络来发动网络攻击并远程控制这些车辆。基于机器学习的入侵检测系统（IDS）技术已经被提出用于检测这种攻击。对其中一些IDS的评估证明了它们在检测消息注入的准确性方面的有效性，但它们是离线执行的，这限制了它们用于实时的【形】保护场景的信心。本文评估了四个架构设计的实时的【形】入侵检测系统的连接车辆使用控制器局域网（CAN）数据集收集的移动车辆下恶意的速度读取消息注入。评估表明，一个被设计为两个进程的联网车辆实时的【形】IDS，一个用于CAN总线监控的进程和另一个用于异常检测引擎的进程是可靠的（没有消息丢失），并且可以用于实时的【形】弹性机制，作为对网络攻击的响应。
2022-01-18 cs.CR
Benchmarking Frameworks and Comparative Studies of Controller Area Network (CAN) Intrusion Detection Systems: A Review
本文综述了车载CAN总线入侵检测系统的基准测试框架与比较研究，提出了包含IDS类型、攻击模型等五个方面的评估设计空间，为设计评估实验和选择最佳IDS提供指导。
2024-02-10 cs.CR
A Review of Intrusion Detection Systems and Their Evaluation in the IoT
入侵检测系统（IDS）是保护关键基础设施的关键组件，能够检测网络或主机上的恶意活动。为物联网（IoT）网络实施IDS的过程并非没有挑战，因为这些系统的可变性，特别是访问数据的困难。这些非常受限的设备的细节使得能够处理各种攻击的IDS的设计是一个非常具有挑战性的问题，也是一个非常活跃的研究课题。在目前的文献状态，已经提出了一些方法来提高入侵检测的效率，迎合这些限制，如资源限制和移动性。在本文中，我们回顾了2008年至2018年专门针对这类设备的IDS工作，共收集了51篇不同的IDS论文。我们总结了该领域的当前主题，总结了训练和部署IDS所采用的技术，并对这些方法进行了定性评估。虽然这些工作为这些约束的子部分提供了有价值的见解和解决方案，但我们从整体上讨论了这些解决方案的局限性，特别是这些方法难以检测到哪些类型的攻击以及此类系统所特有的设置限制。我们发现，虽然有几篇论文声称他们的方法很新颖，但很少进行论文间比较，迫切需要共享数据集，几乎没有共享代码库，因此需要进行彻底的比较评估。
2021-05-17 cs.CR
Understanding Modern Intrusion Detection Systems: A Survey
入侵检测系统（IDS）帮助检测可能危及资源的机密性、完整性或可用性的未经授权的活动或入侵。本文介绍了入侵检测系统的一般概述，它们的分类方式，以及用于检测异常活动的不同算法。它试图比较入侵技术的各种方法。它还描述了各种方法和IDS在信息安全中的重要性。
2017-11-30 cs.CR cs.NI
A Novel Dimension Reduction Scheme for Intrusion Detection Systems in IoT Environments
物联网给计算机网络的安全解决方案带来了新的挑战。入侵检测系统（IDS）是迄今为止最有效的安全工具之一，但异构的协议和“物”产生的大量数据以及主机资源的有限性，使得现有的一些IDS方案显得力不从心。为了使入侵检测系统能够在物联网环境中工作，本文提出了一种新的分布式降维方案，解决了资源有限的挑战。设计了一种新的自动编码器，它学习生成一个潜在空间。然后，受约束的主机/探测器使用生成的权重通过单个操作降低维度。压缩后的数据被传输到中央IDS服务器以验证流量类型。该方案的目的是通过压缩数据来降低传输数据所需的带宽，并减少主机中压缩任务的开销。在三个著名的网络流量数据集（UNSW-NB 15、TON\_IoT20和NSL-KDD）上对该方案进行了评估，结果表明，该方案可以获得一个三维的潜在空间（压缩约90%），而不会显著降低IDS的检测精度.
2020-07-12 cs.CR
G-IDS: Generative Adversarial Networks Assisted Intrusion Detection System
Florida International University（佛罗里达国际大学）
网络物理系统（CPS）和物联网（IoT）的边界正在日益融合，以在混合系统上引入通用平台。此外，人工智能（AI）与CPS的结合创造了技术进步的新维度。所有这些连接性和可靠性都为攻击者发动网络攻击创造了巨大的空间。为了抵御这些攻击，入侵检测系统（IDS）得到了广泛的应用。然而，新兴的CPS技术遭受不平衡和缺失的样本数据，这使得入侵检测系统的训练困难。在本文中，我们提出了一个生成对抗网络（GAN）的入侵检测系统（G-IDS），其中GAN生成合成样本，和IDS得到训练，他们与原始的。G-IDS还解决了不平衡或丢失数据的问题。我们使用NSL KDD-99数据集为一个新兴的CPS网络安全数据集建模，并使用不同的指标评估我们提出的模型的性能。我们发现，我们提出的G-IDS模型在训练过程中的攻击检测和模型稳定性比一个独立的IDS更好。
2020-06-01 cs.CR cs.LG
Intrusion Detection System Using Deep Learning for Network Security
本文通过实验评估CNN、ANN和LSTM等深度学习模型在网络流量分类中的表现，最佳模型准确率达96%，为自适应入侵检测系统开发提供了依据。
2025-05-09 cs.CR
A closer look at Intrusion Detection System for web applications
入侵检测系统（IDS）是用来防止网络安全漏洞的一种附加防御机制。它已被公认为检测基于网络的攻击的方法，但在保护Web应用程序的领域仍然不成熟。本文的目的是彻底了解检测系统的设计方法，在Web应用程序。在本文中，我们详细讨论了Web应用程序的几个特定方面，这使得开发人员构建高效的Web IDS具有挑战性。该文件还提供了一个全面的概述，专门设计用于观察Web流量的现有检测系统。此外，我们从不同的角度比较IDS的设计和功能的基础上确定了各种尺寸。我们还提供了一个概念框架的入侵检测系统的预防机制，提供了一个系统的指导，具体的Web应用程序的系统的实施。我们将其功能与现有的五个检测系统，即AppSensor，PHPIDS，ModSecurity，Shadow Daemon和AQTRONIX WebKnight进行比较。本文的研究将有助于相关人员了解Web入侵检测系统的优势和劣势，为开发智能、高效的Web入侵检测系统奠定坚实的基础。
2018-08-13 cs.CR
Exploring and Enhancing Placement of IDS in RPL: A Federated Learning-based Approach
本研究针对RPL网络中IDS部署研究不足的问题，评估了集中式与分布式三类入侵检测架构，发现攻击者位置和IDS邻近度影响检测效果，提出基于联邦学习的改进方案，兼顾检测有效性、安全性与通信效率。
2025-03-24 cs.CR
Decentralised Trustworthy Collaborative Intrusion Detection System for IoT
入侵检测系统（IDS）已经成为保护物联网网络免受已知攻击的行业标准。为了提高入侵检测系统的能力，研究人员提出了基于区块链的协作入侵检测系统（CIDS）的概念，其中区块链作为一个分散的平台，允许CIDS节点之间的协作共享入侵相关信息，例如入侵警报和检测规则。然而，基于区块链的CIDS中的建议忽略了对每个节点的可信度进行持续评估的重要性，并且通常基于节点始终是诚实的假设来工作。在本文中，我们提出了一个分散的CIDS，强调CIDS节点之间建立信任的重要性。在我们提出的解决方案中，每个CIDS节点交换检测规则，以帮助其他节点检测新类型的入侵。我们的架构将信任计算卸载到区块链，并利用分散的存储来托管共享的可信检测规则，从而确保可扩展性。我们在实验室规模的测试平台上的实现表明，我们的解决方案是可行的，并且在以太坊平台的预期基准内执行。
2021-10-21 cs.CR
Policy based intrusion detection and response system in hierarchical WSN architecture
近年来，无线传感器网络在民用和军用领域都得到了广泛应用。然而，由于传感器网络部署在开放和不受保护的环境中，安全性是传感器网络面临的重大挑战之一。由于密码机制不足以保护传感器网络免受外部攻击，需要引入入侵检测系统。在本文中，我们提出了一个基于策略的入侵检测系统的层次结构，适合当前的需求和无线自组织传感器网络的限制。在该IDS体系结构中，我们遵循分簇机制，建立四个层次的网络，增强网络的可扩展性，以大的地理区域，并使用异常和误用检测技术的入侵检测，集中在节能的传感器节点之间分配入侵检测的责任层。我们还介绍了一个基于策略的入侵响应系统的层次结构。
2012-09-08 cs.CR
Impact of Benign Connectivity Variations on Intrusion Detection for Encrypted OPC UA Traffic in Industrial Private 5G Networks
Helmut-Schmidt-University（赫尔穆特·施密特大学）；Technical University of Applied Sciences Augsburg（奥格斯堡应用科技大学）；ipoque GmbH（ipoque有限公司）
研究工业专用5G网络中良性连接变化对加密OPC UA流量的机器学习入侵检测系统的影响，通过实验发现合法连接事件会增加误报，且异常分数升高与控制平面活动有关，强调解释入侵检测输出时考虑控制平面上下文的重要性。
2026-07-13 cs.CR
1D-CNN-IDS: 1D CNN-based Intrusion Detection System for IIoT
Loyola University（洛约拉大学）；Rare Sense Inc（瑞斯恩塞有限公司）；University of Birmingham（伯明翰大学）
本文提出一种计算成本低的1D CNN算法，用于IIoT中的网络入侵分类，准确率达99.90%，并与其他先进方法进行比较，以验证其有效性。
2024-09-13 cs.CR
Attack vs Benign Network Intrusion Traffic Classification
入侵检测系统（IDS）用于监视网络或系统的攻击活动或违反策略。这样的系统应该能够成功地识别与正常流量行为的异常偏差。在这里，我们讨论了使用CSE-CIC-IDS 2018数据集构建基于异常的IDS的机器学习方法。自该数据集发布以来，已经发表了相对大量的论文，其中大多数基于复杂的机器学习方法（如深度神经网络，梯度提升分类器或隐马尔可夫模型）提出IDS架构和结果。在这里，我们表明，使用非常简单的最近邻分类方法可以获得类似的结果，避免了训练这种复杂模型的固有复杂性。最近邻算法的优点是：（1）它非常容易实现;（2）它非常鲁棒;（3）它没有参数，因此它不能过拟合数据。这一结果也表明，目前在机器学习社区中存在开发过度工程解决方案的趋势。这些解决方案基于复杂的方法，如深度学习神经网络，甚至没有考虑与简单但有效的方法相对应的基线解决方案。
2022-05-15 cs.CR
DYNAMITE: Dynamic Defense Selection for Enhancing Machine Learning-based Intrusion Detection Against Adversarial Attacks
针对ML-IDS易受对抗性攻击且缺乏针对性防御选择方法的问题，提出动态防御选择框架Dynamite，通过机器学习驱动机制选最合适防御，大幅减少计算时间并显著提升F1分数。
2025-04-17 cs.CR
Distributed Intrusion Detection in Dynamic Networks of UAVs using Few-Shot Federated Learning
本研究提出FSFL-IDS，融合联邦学习与少样本学习，解决无人机动态网络入侵检测中的隐私、功耗、通信成本及有损链路问题，并有效识别路由攻击。
2025-01-22 cs.CR
Enhancing Automotive Security with a Hybrid Approach towards Universal Intrusion Detection System
提出一种结合皮尔逊相关性与深度学习的通用入侵检测系统，适用于多种车型，无需定制，并能适应固件更新带来的数据变化，经测试优于传统方法。
2025-10-07 cs.CR
Federated Intrusion Detection System Based on Unsupervised Machine Learning
针对监督学习标记负担重及数据隐私限制合作的问题，提出基于无监督学习的联邦IDS架构，并创新联邦K-means++初始化，在保持性能的同时增强隐私。
2025-03-28 cs.CR
CSAGC-IDS: A Dual-Module Deep Learning Network Intrusion Detection Model for Complex and Imbalanced Data
School of Cyber Science and Engineering, Southeast University, Nanjing , China（网络安全科学与工程学院，东南大学，南京，中国）
针对入侵检测中高维复杂流量与类别不平衡问题，本文提出集成SC-CGAN与CSCA-CNN的CSAGC-IDS模型，在NSL-KDD数据集上取得优异检测性能，并开展了可解释性分析。
2025-05-20 cs.AI cs.CR
Think Fast: Real-Time IoT Intrusion Reasoning Using IDS and LLMs at the Edge Gateway
本文提出一种在边缘网关使用IDS和LLMs实现实时物联网入侵检测的框架，通过整合轻量级ML模型和预训练大语言模型，提升检测准确性、语义可解释性和操作效率。
2025-11-23 cs.CR
On Blockchain Architectures for Trust-Based Collaborative Intrusion Detection
本文考虑使用新的技术来减轻攻击，旨在损害入侵检测系统（IDS）。基于协作入侵检测网络（CIDNs）的解决方案可以提高抵御此类攻击的能力，因为它们允许IDS节点通过共享信息来相互获取知识。然而，尽管在这一领域进行了大量的研究，但信任管理问题仍然构成了重大挑战，最近的工作调查了这些问题是否可以通过依赖区块链和相关的分布式账本技术来解决。朝着这个方向，该论文提出在CIDN中使用基于信任的区块链，称为信任链，以保护CIDN同行之间共享的信息的完整性，增强其问责制，并通过阻止内部攻击来保护其协作。提出了一种CIDNs的共识协议，它是权益证明和工作量证明协议的组合，使协作IDS节点能够维护可靠的和防篡改的信任链。
2021-09-08 cs.CR
CND-IDS: Continual Novelty Detection for Intrusion Detection Systems
University of California, San Diego（加利福尼亚大学圣迭戈分校）
针对数据流持续变化且攻击标签缺失的问题，本文提出 CND-IDS 框架，结合可更新特征提取器与 PCA 重构新颖性检测器，在真实数据集上显著优于无监督持续学习基线。
2025-02-19 cs.CR cs.LG
zeek-osquery: Host-Network Correlation for Advanced Monitoring and Intrusion Detection
入侵检测系统（IDS）可以分析网络流量，以发现攻击和入侵的迹象。然而，加密通信限制了它们的可见性，并且复杂的攻击者还试图逃避它们的检测。为了克服这些限制，我们使用来自主机的额外数据扩展了网络IDS（NIDS）的范围。为此，我们提出了集成的开源zeek osquery平台，它将Zeek IDS与osquery主机监视器相结合。我们的平台可以大规模收集、处理和关联主机和网络数据，例如，将网络流归因于进程和用户。该平台可以灵活地扩展自己的检测脚本，使用已经相关的，但也有额外的和动态检索的主机数据。分布式部署使其能够随任意数量的osquery主机扩展。我们的评估结果表明，单个Zeek实例可以管理超过870个osquery主机，并可以实时将超过96%的TCP连接归因于主机端应用程序和用户。
2020-03-11 cs.CR
A Distributed Sequential Algorithm for Collaborative Intrusion Detection Networks
与基于主机的入侵检测系统（IDS）相比，协作入侵检测网络通常用于获得更好的检测精度和成本效率。通过合作，本地IDS可以检测到其他有经验的熟人可能知道的新攻击。本文提出了一种序贯假设检验方法，用于网络中各个入侵检测系统的反馈聚合。我们的模拟结果证实了我们的理论结果，并证明了性能的成本效率和准确性相比，其他探试法。分析结果的平均熟人咨询数的下限是必要的设计和配置的IDS在协作环境中。
2010-02-17 cs.CR cs.NI
Green Deep Reinforcement Learning for IoT Edge Intrusion Detection
Polytechnique Montréal（蒙特利尔理工学院）；Northeastern University（东北大学）
本文提出两种基于深度强化学习的入侵检测系统，通过理论分析和实验评估验证其在边缘网关上的有效性，同时引入碳感知的多目标奖励机制，以实现可持续的实时入侵检测。
2026-07-15 cs.CR
Using EBGAN for Anomaly Intrusion Detection
Shanghai University（上海大学）；Xi’an Innovation College, Yan’an University（延安大学西安创新学院）；United Automotive Electronic Systems Co.（联合汽车电子有限公司）
作为一种主动的网络安全防护方案，入侵检测系统（IDS）承担着检测以恶意网络流量为形式的网络攻击的重要职责。入侵检测技术是入侵检测系统的重要组成部分。目前，许多学者对入侵检测技术进行了广泛的研究。然而，针对海量网络流量数据，开发一种高效的入侵检测方法仍然是一个难点。由于生成对抗网络（GANs）对复杂的高维数据具有强大的建模能力，因此它们为解决这一问题提供了新的思路。本文提出了一种基于EBGAN的入侵检测方法IDS-EBGAN，该方法将网络记录分为正常流量和恶意流量。IDS-EBGAN中的生成器负责将训练集中的原始恶意网络流量转换为对抗性恶意示例。这是因为我们希望使用对抗学习来提高恶意流量检测的能力。同时，该编码器采用自动编码器模式。在测试过程中，IDS-EBGAN使用的重构误差的统计量来分类的交通记录。
2022-06-21 cs.AI cs.CR
A Novel Overlay IDS For Wireless Sensor Networks
无线传感器网络（Wireless Sensor Network，WSN）是由低成本的传感器节点组成的，这些节点无法在其中实现复杂的安全系统，这也是WSN入侵检测体系结构差异较大且难以实现的原因。目前的大多数实现是基于在叶级传感器之间交换异常信号，导致太多的功耗。提出了一种基于层次覆盖设计的无线传感器网络入侵检测系统（IDS）的体系结构，将入侵检测的整体责任分配到各个实体中，从而节省节点的内存和功耗。该体系结构采用分层设计，基于专门的监测节点，采用GSM蜂窝式结构。HOD结构使传感器能够使用更少的消息进行通信，从而节省宝贵的功率，并且还通过不在每个传感器上实现IDS模块来节省内存。该建议还使用通过层的警报的涟漪，从而确保适当的传递到最上层的冗余。
2012-08-18 cs.CR
Deep Learning-based Intrusion Detection Systems: A Survey
KLISS, BNRist, School of Software, Tsinghua University（KLISS、BNRist、软件学院、清华大学）
本综述从深度学习视角系统回顾了DL-IDS的各个阶段，包括数据处理与攻击检测，并介绍了公开基准数据集及未来研究方向，以帮助研究者理解并推动该领域发展。
2025-10-13 cs.AI cs.CR
Collaborative Feature Maps of Networks and Hosts for AI-driven Intrusion Detection
本文提出整合网络流与主机日志的CIDS数据集构建框架、SCVIC-CIDS-2021数据集及transformer模型CIDS-Net，显著提升入侵检测性能。
2022-08-10 cs.CR
PWG-IDS: An Intrusion Detection Model for Solving Class Imbalance in IIoT Networks Using Generative Adversarial Networks
Henan University（河南大学）；National Institute of Technology Kurukshetra（库鲁克舍特拉国立技术学院）；Asia University（亚洲大学）；GuangZhou University（广州大学）
随着工业物联网（IIoT）技术的不断发展，网络安全变得越来越重要。而入侵检测是其安全性的重要组成部分。然而，由于攻击流量与正常流量相比非常小，这种不平衡使得入侵检测非常困难。针对这种不平衡，提出了一种预训练Wasserstein生成对抗网络入侵检测系统（PWG-IDS）。该系统分为两个主要模块：1）在该模块中，我们首次在Wasserstein梯度惩罚生成对抗网络（WGAN-GP）中引入了预训练机制，首先使用正常的网络流量对WGAN-GP进行训练，然后将不平衡数据输入到预训练好的WGAN-GP中进行重新训练，生成最终所需的数据。2)入侵检测模块：我们使用LightGBM作为分类算法来检测IIoT网络中的攻击流量。实验结果表明，我们提出的PWG-IDS优于其他模型，在两个数据集上的F1分数分别为99%和89%。并且我们提出的预训练机制也可以广泛应用于其他GANs中，为GANs的训练提供了一种新的思路。
2021-10-06 cs.AI cs.CR
Intrusion Detection Systems for IoT: opportunities and challenges offered by Edge Computing and Machine Learning
Sapienza University of Rome（罗马大学）
当前网络安全方法的关键组成部分是入侵检测系统（IDS），它们采用不同的技术和架构来检测入侵。IDS可以基于与已知入侵经验的数据库交叉检查监视的事件，称为基于签名，或者基于学习系统的正常行为并报告是否发生某些异常事件，称为基于异常。这项工作致力于调查IDS在物联网（IoT）网络中的应用，其中边缘计算也用于支持IDS的实现。识别在边缘场景中部署IDS时出现的新挑战，并提出补救措施。我们专注于基于异常的IDS，显示可以利用来检测异常的主要技术，我们提出了机器学习技术及其在IDS中的应用，描述了预期的优点和缺点，一个特定的技术可能会导致。
2022-04-14 cs.AI cs.CR cs.NI
Shallow and Deep Networks Intrusion Detection System: A Taxonomy and Survey
University of Strathclyde（斯特拉斯克莱德大学）；University of Abertay Dundee（阿伯泰邓迪大学）
入侵检测已经引起了研究人员和工业界的极大兴趣。经过多年的研究，社区仍然面临着建立可靠和有效的IDS的问题，这些IDS能够处理大量的数据，并在实时的情况下改变模式。在这份手稿中提出的工作分类入侵检测系统（IDS）。在此基础上，对浅层和深层网络入侵检测系统进行了分类和综述。该分类和调查回顾了机器学习技术及其在检测异常方面的性能。讨论了影响机器学习入侵检测系统有效性的特征选择问题，说明了特征选择在机器学习入侵检测系统分类和训练阶段的作用。最后，讨论了误报率和误报率，以帮助研究人员建立可靠和高效的基于机器学习的入侵检测系统模型。
2017-01-09 cs.CR cs.LG
Process Mining Algorithm for Online Intrusion Detection System
本文研究了进程挖掘在入侵检测中的应用。提出了一种新的基于过程挖掘的入侵检测系统数据预处理算法。该算法主要用于网络数据包的处理，在在线模式下能够很好地进行在线入侵检测。为了测试我们的算法，我们使用了包含几种常见攻击的CSE-CIC-IDS 2018数据集。利用该算法对数据包进行预处理后送入检测器。我们使用不同的机器学习（ML）模型作为分类器的算法的实验报告，以验证我们的算法的工作原理如预期;我们测试了异常检测方法的性能，以及现有的预处理工具CICFlowMeter的性能比较报告。
2022-05-24 cs.CR
BERTector: An Intrusion Detection Framework Constructed via Joint-dataset Learning Based on Language Model
针对网络流量异构性导致入侵检测系统泛化受限的问题，提出基于BERT的联合数据集学习框架BERTector，通过NSS-Tokenizer、混合数据集监督微调与低秩适应实现高效微调，在NSL-KDD上达99.28%准确率且抗扰动表现优异。
2025-09-17 cs.CR
Application of Deep Reinforcement Learning for Intrusion Detection in Internet of Things: A Systematic Review
本系统综述探讨深度强化学习在物联网入侵检测中的应用，通过分析近十年研究，表明DRL能增强IDS适应性，提高威胁检测准确性并减少误报，同时指出研究空白与未来方向。
2025-04-20 cs.CR
