Intrusion Detection A Text Mining Based Approach
入侵检测是组织面临的主要威胁之一。基于文本处理的入侵检测方法是近年来研究的热点之一。在基于文本挖掘的入侵检测方法中，系统调用是挖掘和预测入侵或攻击可能性的来源。当一个应用程序运行时，可能有几个系统调用在后台启动。这些系统调用构成了入侵检测的基础和决定性因素。在本文中，我们主要讨论的入侵检测方法，通过设计一个距离度量，该距离度量的设计是考虑到传统的高斯函数和修改，以适应需要的相似性函数。作为本研究的一部分，还讨论了一个入侵检测框架。
2016-03-12 cs.CR
A Case Study on Using Deep Learning for Network Intrusion Detection
深度学习在许多应用领域都非常成功。然而，它的有用性在网络入侵检测的背景下还没有系统地研究。在本文中，我们报告了一个使用深度学习进行监督网络入侵检测和无监督网络异常检测的案例研究。我们表明，深度神经网络（DNN）可以优于其他基于机器学习的入侵检测系统，同时在动态IP地址的存在下具有鲁棒性。我们还表明，自动编码器可以有效的网络异常检测。
2019-10-05 cs.CR
Database Intrusion Detection Systems (DIDs): Insider Threat Detection via Behavioural-based Anomaly Detection Systems -- A Brief Survey of Concepts and Approaches
数据安全和隐私问题之一是内部威胁，即系统的合法用户滥用他们持有的访问权限。对数据安全的内部威胁意味着内部人员窃取或泄露敏感的个人信息。数据库入侵检测系统，特别是基于行为的数据库入侵检测系统，已被证明是有效的检测内部攻击。本文介绍了背景概念的数据库入侵检测系统在检测内部威胁的背景下，并检查现有的方法在文献中检测恶意访问的内部数据库管理系统（DBMS）。
2020-11-04 cs.CR
Hierarchical Design Based Intrusion Detection System For Wireless Ad hoc Network
近年来，无线自组织传感器网络在民用和军用领域都得到了广泛的应用。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。虽然入侵防御机制是抵御攻击的主要有效手段之一，但仍有一些攻击的防御方法是未知的。入侵检测系统除了能够防止系统受到某些已知的攻击外，还能够收集与攻击技术相关的必要信息，为入侵防御系统的开发提供帮助。除了回顾目前无线传感器网络中可用的攻击之外，本文还研究了当前针对无线传感器网络的入侵检测系统。在本文中，我们提出了一个层次结构设计的入侵检测系统，适合当前的需求和无线ad hoc传感器网络的限制。在此入侵检测系统架构中，我们遵循分簇机制，建立一个四层的分层网络，增强了网络的可扩展性，以大的地理区域，并使用异常和误用检测技术的入侵检测。我们引入基于策略的检测机制以及入侵响应与GSM细胞的概念，入侵检测体系结构。
2012-08-18 cs.CR
Attribute Weighting with Adaptive NBTree for Reducing False Positives in Intrusion Detection
在本文中，我们介绍了新的学习算法，以减少误报入侵检测。该方法基于决策树和自适应朴素贝叶斯树的属性加权，不仅可以将误报率降低到可接受的水平，而且可以提高对不同类型网络入侵的检测率。随着网络服务的快速增长，入侵检测技术已经成为网络安全的重要手段。近年来，数据采掘算法被应用于基于网络的流量数据和基于主机的程序行为，以检测入侵或误用模式，但现有的入侵检测算法存在检测率不均衡、误报率高、属性冗余等问题，导致检测模型复杂、检测精度下降。本研究的目的是确定重要的输入属性，建立一个入侵检测系统（IDS），是计算效率和有效的。使用KDD99基准网络入侵检测数据集进行的实验结果表明，该方法可以显着减少误报的数量和百分比，并扩大了不同类型的网络入侵的平衡检测率。
2010-05-06 cs.CR
A Review of Performance, Energy and Privacy of Intrusion Detection Systems for IoT
物联网（IoT）是一项颠覆性技术，其应用范围涉及交通和物流系统、智能电网、灵巧家庭、联网车辆和智能城市等多个领域。随着这些基础设施的增长，对这些基础设施的攻击的数量和种类也在增加，突出了不同保护机制的重要性。入侵检测是杰出的保护机制之一，最近为物联网和物联网建立有效的入侵检测做出了显著的努力。然而，这种基础设施的独特特征，包括电池功率，带宽和处理器开销，以及网络动态可以影响入侵检测系统的操作。本文对物联网系统的现有入侵检测系统进行了全面研究，包括新兴系统，如车联网（IoV）。本文分析了现有的系统在三个方面：计算开销，能源消耗和隐私的影响。在对现有入侵检测方法进行严格分析的基础上，本文还确定了针对资源受限的物联网系统及其应用（如IoV）的入侵检测系统的有效和协作设计所面临的挑战。这些努力旨在突出物联网入侵检测的最新技术水平，以及需要在这些系统中实现有效入侵检测的具体努力的开放挑战。
2018-12-21 cs.CR
A Taxonomy of Malicious Traffic for Intrusion Detection Systems
随着网络威胁的不断增加，为了设计更好的入侵检测系统，了解现有的和新的网络威胁是至关重要的。在本文中，我们提出了一种分类网络攻击的一致的方式，使安全研究人员能够集中精力创建准确的入侵检测系统和有针对性的数据集。
2018-06-09 cs.CR
Novel hybrid intrusion detection system for clustered wireless sensor network
无线传感器网络（WSN）通常部署在无人值守和恶劣的环境中。无线传感器网络容易受到安全威胁，并容易受到物理捕获。因此，有必要使用有效的机制来保护网络。众所周知，入侵检测是保护网络免受恶意攻击或未经授权访问的最有效的安全机制之一。在本文中，我们提出了一个混合入侵检测系统的分簇无线传感器网络。我们的入侵框架使用基于支持向量机（SVM）的异常检测和误用检测之间的组合。实验结果表明，该算法能够检测出大部分路由攻击，且虚警率较低。
2011-08-12 cs.CR
The All-Seeing Eye: A Massive-Multi-Sensor Zero-Configuration Intrusion Detection System for Web Applications
定时攻击是当前入侵检测解决方案面临的一个挑战。定时攻击对于Web应用程序来说是危险的，因为它们可能会泄露有关侧通道漏洞的信息。本文提出了一种多传感器零配置入侵检测系统，该系统特别适合于检测定时攻击。与当前的解决方案不同，所提出的入侵检测系统使用大量的传感器进行攻击检测。这些传感器包括自动插入到Web应用程序或用于构建Web应用程序的框架中的传感器。通过这种方法，入侵检测系统能够以更高的准确性检测复杂的攻击，如定时攻击或其他蛮干攻击。提出的多传感器零配置入侵检测系统不需要特定的知识系统保护，因此它提供了零配置能力。
2015-06-23 cs.CR
A Hybrid Approach Towards Intrusion Detection Based on Artificial Immune System and Soft Computing
在入侵检测领域，大量的工作是基于人工免疫系统和软计算的。基于人工免疫系统的方法试图利用人类免疫系统的适应性、容错性、自我监控和分布式性质。而基于软计算的方法是开发基于模糊规则的入侵检测系统的工具。它们是计算密集型的，并应用机器学习（监督和无监督）技术来检测给定系统中的入侵。这两种方法的结合可以为入侵检测提供显着的优势。在本文中，我们试图利用人工免疫系统的适应性和软计算的计算密集型的性质，开发一个系统，可以有效地检测入侵在一个给定的网络。
2012-05-20 cs.CR
Poseidon: a 2-tier Anomaly-based Intrusion Detection System
介绍了一种新的基于异常的入侵检测系统Poseidon。Poseidon是基于有效载荷的，并提出了两层架构：第一级由自组织地图组成，而第二级是修改后的PAYL系统。我们在1999年DARPA数据集上的基准测试表明，与PAYL和PHAD相比，我们的检测率更高，误报率更低。
2006-02-03 cs.CR
Intrusion Detection for Agentic Processes: Evidence-Based Runtime Monitoring
本文提出智能体流程入侵检测系统（A-IDS），通过证据感知的运行时监控比较观察与期望基线，以检测智能体流程中的安全偏差，贡献为概念性框架。
2026-10-02 cs.CR
A Survey on Deep Packet Inspection for Intrusion Detection Systems
深度包检测是入侵检测系统检测、阻止和转移网络恶意攻击的一种有效方法。从根本上说，几乎所有的入侵检测系统都有能力搜索数据包并识别与已知攻击相匹配的内容。本文综述了深度包检测的实现技术、研究挑战和算法。最后，我们提供了不同的应用系统之间的比较。
2008-03-01 cs.CR
An Intelligent Mechanism for Monitoring and Detecting Intrusions in IoT Devices
University of Coimbra（科英布拉大学）；Instituto Pedro Nunes（佩德罗·努内斯研究所）
本研究提出一种基于主机的入侵检测系统，结合联邦学习与多层感知机神经网络，以高准确率检测IoT设备网络攻击并增强数据隐私保护。
2023-06-23 cs.AI cs.CR cs.DC
Current Studies On Intrusion Detection System, Genetic Algorithm And Fuzzy Logic
入侵检测系统（IDS）是用来检测计算机系统或网络中恶意行为的一种系统安全技术。入侵检测系统中采用的方法有很多种，但不幸的是，每种方法到目前为止都不是完全理想的。在许多基于异常的入侵检测系统中，预测过程可能产生错误警报。利用模糊逻辑的概念，可以降低建立入侵活动时的虚警率。一组有效的模糊规则可以用来定义计算机网络中的正常和异常行为。因此，为了保证最佳安全性，需要对计算机网络中的异常行为进行监控。在本文中，我提出了一些研究论文的基础上的入侵检测系统，方法和良好的模糊分类器，使用遗传算法，这是目前的发展工作的重点和解决问题的入侵检测系统提供一个现实世界的入侵检测。最后，即将到来的技术和各种方法，承诺提高计算机系统检测入侵的能力进行了讨论。
2013-04-12 cs.CR
Privacy Preserving Architectures for Collaborative Intrusion Detection
多个组织之间的协作是现代入侵检测的必要条件。随着现代威胁变得越来越复杂，组织很难仅利用其网络本地的威胁上下文进行防御。全球\emph{threat intelligence}的可用性是组织防御现代高级持续威胁（APT）的必要条件。为了从这种全球范围的攻击中受益，隐私问题仍然是主要的障碍。在这份立场书中，我们将现实世界的隐私问题确定为精确的用例，相关的加密技术，并讨论用于协作入侵检测的隐私保护架构。
2016-02-08 cs.CR
A Survey of Distributed Intrusion Detection Approaches
分布式入侵检测系统通过分析从分布式源聚集的数据来检测对计算机系统的攻击。数据源的分布式特性允许看到数据中的模式，如果单独检查每个源，则可能无法检测到这些模式。本文介绍了已经开发的各种方法，在这样的系统中共享和分析数据，并讨论了一些问题，必须解决完全分散的分布式入侵检测系统可以可行之前。
2005-01-01 cs.CR
Feature Selection and Intrusion Detection in Cloud Environment based on Machine Learning Algorithms
计算机网络上的攻击和渗透者的行为的特征和方式通常是非常困难的，需要一个专家。此外，随着计算机网络的进步，攻击和渗透的数量也在增加。事实上，来自专家的知识将随着时间的推移而失去其价值，必须更新并提供给系统，这使得对专家的需求始终存在。在机器学习技术中，知识是从数据本身中提取的，这削弱了专家的作用。用于检测入侵的各种方法，如统计模型、安全系统方法、神经网络等，所有这些都削弱了它使用在网络中旋转的信息分组的所有特征来进行入侵检测的事实。另外，海量的信息和不可想象的状态空间也是入侵检测中的一个重要问题。因此，需要自动识别的新的和可疑的模式，在企图入侵与使用更有效的方法，更低的成本和更高的性能比以前需要更多。本研究旨在提供一种基于入侵检测系统及其各种架构的新方法，旨在提高云计算环境下入侵检测的准确性。关键词：入侵检测，特征选择，分类算法，机器学习，神经网络。
2020-04-15 cs.CR
Intrusion Detection with Machine Learning Using Open-Sourced Datasets
由于数据的可用性，迄今为止还没有对入侵检测进行重大研究，因为公司内部的网络流量是私人信息，并且在互联网上无法找到可用的日志进行独立研究。本文旨在回答一个问题，即开源数据（通常是模拟的网络流量）是否可以帮助开发一个强大的模型，有效地识别和阻止可能的拒绝服务或渗透攻击。
2021-07-27 cs.CR
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
Resource-Aware Layered Intrusion Detection Allocation Model
George Emil Palade University of Medicine, Pharmacy, Science, and Technology of Targu Mures（乔治·埃米尔·帕拉德特古穆列什医学、药学、科学与技术大学）
本文提出一种资源感知的分层入侵检测分配模型，通过优化监控深度分配，平衡检测能力与资源消耗，满足关键设备的最低监控要求和全局预算限制。
2026-04-24 cs.CR cs.NI
Can process mining help in anomaly-based intrusion detection?
在本文中，我们认为朴素的应用程序的过程挖掘在网络流量的理解，流量异常检测和入侵检测。我们讨论了将数据包数据转换为事件日志的过程。我们挖掘多个过程模型，并分析了使用ProM的归纳矿工和使用Disco的模糊矿工挖掘的过程模型。我们比较了两种类型的过程模型，从不同大小的事件日志中提取。我们对比的RFC TCP状态转换图和图的过程模型由主教等人。我们分析了与过程挖掘在入侵检测中的问题和挑战，并解释了为什么天真的网络数据的过程挖掘是无效的。
2022-06-21 cs.CR
Intrusion Detection System Using Advanced Honeypots
互联网流量的指数增长使公共服务器越来越容易受到未经授权的访问和入侵。除了保持客户端的低延迟之外，过滤未授权访问已成为服务器维护人员的主要关注点之一。入侵检测系统的这种实现区分了来自客户端的流量和来自攻击者的流量，试图同时减轻延迟和安全性的问题。然后，我们提出了一系列的压力和可扩展性测试的结果，并提出了一些潜在的使用这样一个系统。随着计算机攻击变得越来越难以识别，对更好和更有效的入侵检测系统的需求增加。当前入侵检测系统存在的主要问题是误报率高。使用蜜罐技术为提高网络安全性提供了有效的解决方案。
2009-06-27 cs.CR
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
Towards Privacy-Preserving Anomaly-Based Intrusion Detection in Energy Communities
本文提出一种基于深度自编码器的异常入侵检测系统，用于增强能源社区安全性，并通过联邦学习实现隐私保护的分布式检测。
2025-02-26 cs.CR
Phases vs. Levels using Decision Trees for Intrusion Detection Systems
计算机和连接它们的网络的安全性正变得越来越重要。入侵检测系统是计算机网络的安全防御工具之一。比较了两种不同的利用决策树技术表示入侵检测系统的模型方法。这些方法是阶段模型法和层次模型法。每个模型都是通过使用两种技术来实现的，新的攻击和数据分区技术。实验结果表明，在新攻击和数据划分技术中，阶段方法比水平方法具有更高的分类率。
2012-08-29 cs.CR
Data-Driven Network Intrusion Detection: A Taxonomy of Challenges and Methods
数据驱动方法在网络入侵检测系统中得到了广泛的应用。然而，目前存在一些来自如何收集数据集的挑战。与正常流量相比，网络入侵数据集中的大多数攻击类别被认为是少数，许多数据集是通过虚拟机或其他模拟环境而不是真实网络收集的。这些挑战通过将随机森林或支持向量机等模型拟合到不具代表性的“沙箱”数据集，破坏了入侵检测机器学习模型的性能。该调查提出了一个精心设计的分类法，突出了八个主要挑战和解决方案，并探讨了1999年至2020年的常见数据集。分析了过去十年中所面临的挑战的分布趋势，并提出了将NID扩展到基于云的环境中，为大量网络入侵数据设计可扩展模型以及创建在真实网络中收集的标记数据集的未来方向。
2020-09-15 cs.CR
RSU-Based Online Intrusion Detection and Mitigation for VANET
安全的车辆通信是安全交通管理的关键因素。智能交通系统（ITS）的有效安全需要有效且及时的入侵检测系统（IDS）。在本文中，我们考虑了虚假数据注入攻击和分布式拒绝服务（DDoS）攻击，特别是隐身DDoS攻击，针对完整性和可用性，分别在车辆自组网（VANET）。新的统计入侵检测和缓解技术的基础上，通过路边单元（RSU）的集中式通信提出了所考虑的攻击。所提出的方法的性能进行评估，使用交通模拟器和一个真正的交通数据集。与最先进的解决方案的比较清楚地表明了所提出的方法在快速准确地检测和定位网络攻击方面的优越性能。
2022-07-17 cs.CR
Evaluating the Impact of Privacy-Preserving Federated Learning on CAN Intrusion Detection
本文研究将联邦学习集成到基于LSTM自编码器的CAN入侵检测系统中，评估其检测效率与通信开销，并与集中式版本对比，证明该方案在车辆入侵检测中的可行性。
2025-06-05 cs.CR
Poster: Towards Selecting Threat Appropriate Industrial Intrusion Detection Systems
RWTH Aachen University（亚琛工业大学）；Fraunhofer FKIE（弗劳恩霍夫FKIE研究所）
针对工业控制系统威胁动态变化，提出基于反威胁情报共享的检测器选择机制，通过攻击层面性能评估验证其能提升安全防护效果。
2026-09-14 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
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
Adaptive Alert Throttling for Intrusion Detection Systems
每次入侵检测系统发出警报时，它必须尝试将信息传达给操作员。这种通信信道很容易成为拒绝服务攻击的目标，因为与所有通信信道一样，它具有固定的容量。如果这个通道被虚假数据淹没，攻击者可以迅速实现入侵检测功能的完全中和。虽然这些类型的攻击是很难完全停止，我们的目标是目前的技术，提高警报吞吐量和能力，成功地安装攻击所需的资源变得令人望而却步。
2013-05-30 cs.CR
SCADS: A Scalable Approach Using Spark in Cloud for Host-based Intrusion Detection System with System Calls
随着当前的大数据趋势，由当代数据中心中的Linux应用程序生成的实时系统调用跟踪的规模可能会过度增加。传统的基于主机的入侵检测系统部署在每一台主机上，由于可扩展性的不足，对大规模积累的系统调用痕迹的收集、维护和处理具有挑战性。在具有静态计算能力和有限存储容量的物理主机上构建数据采掘模型是不灵活的。为了解决这个问题，我们提出了SCADS，在Google云环境中使用Apache Spark的相应解决方案。为了实现计算的可扩展性，我们开发了一组Spark算法。实验结果表明，该方法能够有效提高入侵检测的效率，可应用于下一代基于主机的系统调用入侵检测系统的设计。
2022-01-07 cs.CR
Optimising Intrusion Detection Systems in Cloud-Edge Continuum with Knowledge Distillation for Privacy-Preserving and Efficient Communication
针对云边连续体入侵检测中联邦学习通信开销高的问题，本文提出利用知识蒸馏优化系统，在保留准确性和数据隐私的同时降低通信开销，提升云边环境下入侵检测的效率与隐私保护能力。
2025-04-14 cs.CR
Soft Computing Models for Network Intrusion Detection Systems
计算机和连接它们的网络的安全性正变得越来越重要。计算机安全被定义为保护计算系统免受对机密性、完整性和可用性的威胁。有两种类型的入侵者：外部入侵者，他们是他们攻击的机器的未经授权的用户，以及内部入侵者，他们有权限访问系统，但有一些限制。本章介绍了一种软计算方法来检测网络中的入侵。在软计算的几个范例中，我们研究了基于模糊规则的分类器，决策树，支持向量机，线性遗传编程和集成方法来建模快速，高效的入侵检测系统。实验结果清楚地表明，软计算方法可以发挥重要作用的入侵检测。
2004-05-13 cs.CR
Network intrusion detection systems for in-vehicle network - Technical report
现代车辆是复杂的安全关键网络物理系统，与外部世界相连，带来了所有安全问题。为了提高车辆的安全性，几个网络入侵检测系统（NIDS）已经提出了CAN总线，主要类型的车载网络。然而，车载CAN总线是进行入侵检测的一个具有挑战性的地方，因为消息提供的信息很少;解释它们需要有关实施的特定知识，而这些知识并不容易获得。在本技术报告中，我们收集了现有解决方案如何通过提供文献中存在的各种CAN NIDS的有组织清单来应对这一挑战，并根据它们从网络中提取的信息以及它们如何构建模型对其进行分类。
2019-05-28 cs.CR
On the model-checking-based IDS
如何对基于模型检验（MC）技术的各种入侵检测（ID）算法进行综合性能比较？针对这一问题，本文对基于模型检验的入侵检测算法进行了测试。首先，分别采用线性时序逻辑（LTL）、区间时序逻辑（ITL）和实时攻击特征逻辑（RASL）建立了24种攻击的公式模型。在此基础上，构造了一个标准入侵集--基于模型检验的入侵检测入侵集（ISIDMC）。在此基础上，对基于模型检验的入侵检测算法的检测能力和效率进行了详尽的比较
2018-06-25 cs.CR
Combining ensemble methods and social network metrics for improving accuracy of OCSVM on intrusion detection in SCADA systems
现代监控和数据采集SCADA系统被电力公用事业行业用来监测和控制发电、输电和配电，如今被认为是电力输送基础设施的关键组成部分。SCADA系统是大型的、复杂的，并且包含越来越多的广泛分布的组件。实时的入侵检测机制的存在，它可以应付不同类型的攻击，是非常重要的，为了保护系统免受网络攻击这种防御机制必须是分布式的，廉价的，最重要的是准确的，因为假阳性警报，或错误的入侵的起源意味着严重的成本系统。最近提出了一种集成的检测机制，即IT-OCSVM，它分布在SCADA网络中作为分布式入侵检测系统（IDS）的一部分，提供有关入侵的起源和时间的准确数据。在本文中，我们还分析了综合检测机制的体系结构，我们进行了广泛的模拟的基础上，在一个小型的SCADA测试平台，以评估所提出的机制的性能。
2015-07-16 cs.CR
A Method for Network Intrusion Detection Using Flow Sequence and BERT Framework
本文提出一种结合流序列与 BERT 框架的网络入侵检测方法，利用自然语言处理技术对数据进行上下文建模，有效提升了系统在真实环境中的领域适应能力，为构建鲁棒的入侵检测系统提供了新方法。
2023-10-26 cs.CR
Application of deep learning to enhance the accuracy of intrusion detection in modern computer networks
本文研究了在现代计算机网络中应用深度学习来提高入侵检测的准确性。计算机网络中攻击的识别根据学习阶段使用的信息分为入侵检测和异常检测两类。入侵检测使用常规流量和攻击流量。异常检测方法试图对系统的正常行为进行建模，任何违反此模型的事件都被视为可疑行为。例如，如果Web服务器（通常是被动的）试图将有许多地址可能感染蠕虫。异常诊断方法有统计模型、安全系统方法、检查协议、检查文件、创建白名单、神经网络、遗传算法、向量机、决策树。我们的研究结果表明，我们的方法提供了高水平的准确性，精确度和召回率，同时减少了训练时间。在我们未来的工作中，探索改进的第一个途径将是评估和扩展我们模型处理零日攻击的能力。
2020-12-13 cs.CR
A Low-Cost Machine Learning Based Network Intrusion Detection System with Data Privacy Preservation
网络入侵是网络安全的一个研究领域。当前基于机器学习的网络入侵检测系统（NIDS）监视网络数据和这些数据内的模式，但代价是在可能威胁最终用户隐私的隐私侵犯方面存在重大问题。因此，为了降低风险并保持安全性和隐私性之间的平衡，必须保护与入侵数据有关的用户隐私。此外，成本是基于机器学习的NIDS的驱动因素，因为这种系统越来越多地部署在资源有限的边缘设备上。为了解决这些问题，在本文中，我们提出了一个NIDS称为PCC-LSM-NIDS，它是由一个基于皮尔逊相关系数（PCC）的特征选择算法和最小二乘法（LSM）的隐私保护算法，以实现低成本的入侵检测，同时提供敏感数据的隐私保护。提出的PCC-LSM-NIDS测试的基准入侵数据库UNSW-NB 15，使用五个流行的分类。实验结果表明，所提出的PCC-LSM-NIDS提供的优势，在更少的计算时间，同时提供了适当程度的隐私保护。
2021-07-06 cs.CR
Hierarchical Online Intrusion Detection for SCADA Networks
提出了一种新的基于机器学习算法的监控和数据采集（SCADA）网络分层在线入侵检测系统（HOIDS）。通过利用服务器-客户端拓扑结构，同时保持客户端分布以进行全局保护，以最小的网络影响实现了高检测率。我们使用Broyden-Fletcher-Goldfarb-Shanno方法，基于逻辑回归和拟牛顿优化算法实现了正常-异常二进制检测和多攻击识别的精确模型。该检测系统能够通过基于信息增益的特征选择或基于主成分分析的降维来加速检测。通过使用KDD 99数据集和工业控制系统数据集对我们的系统进行评估，我们证明了HOIDS对于保护SCADA基础设施具有高度的可扩展性，高效性和成本效益。
2016-11-28 cs.CR
TSNZeek: An Open-source Intrusion Detection System for IEEE 802.1 Time-sensitive Networking
IEEE 802.1时间敏感网络（TSN）标准被设想用来取代关键域中的传统网络协议，以确保通过现成的以太网设备进行可靠和确定性的通信。然而，它们缺乏安全对策，甚至可以施加可能导致危险后果的新攻击媒介。本文介绍了第一个开源的安全监测和入侵检测机制，TSNZeek，IEEE 802.1 TSN协议。我们扩展了现有的监控工具，Zeek，一个新的数据包解析语法处理TSN数据流量和基于规则的攻击检测引擎TSN特定的威胁。我们还讨论了各种安全相关的配置和设计方面的IEEE 802.1 TSN监控。我们的实验表明，TSNZeek的原因只有约5%的CPU开销上的Zeek，并成功地检测到各种威胁在一个真正的TSN测试床。
2023-03-20 cs.CR cs.NI
GraphFaaS: Serverless GNN Inference for Burst-Resilient, Real-Time Intrusion Detection
Northwestern University（西北大学）；SRI International（SRI国际研究所）
针对传统静态GNN推理架构无法满足入侵检测低延迟、抗突发需求的问题，提出定制无服务器架构GraphFaaS，可动态扩展推理流水线，显著降低检测延迟与波动。
2025-11-13 cs.CR
CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations
针对CAN总线攻击检测后防御难、协议修改成本高等问题，本文提出基于物理ECU激活的确定性IDPS CANTXSec，可检测并防御FIA与SBA，实验实现两类攻击100%检测及FIA全部防御。
2025-05-14 cs.CR
On generating network traffic datasets with synthetic attacks for intrusion detection
入侵检测领域的大多数研究都需要数据集来以这样或那样的方式开发，评估或比较系统。然而，在这个领域，找到合适的数据集本身就是一个挑战。大多数公开可用的数据集都具有限制其有用性的负面品质。在这篇文章中，我们提出了ID2T（入侵检测数据集工具包）来解决这个问题。ID2T通过将合成攻击注入到后台流量中来促进标记数据集的创建。注入的合成攻击通过模仿背景流量的属性将其自身与背景流量混合，以消除ID2T使用的任何痕迹。这项工作有三个核心贡献领域。首先，我们提出了一个全面的调查入侵检测数据集。在调查中，我们提出了一种分类方法来对我们在数据集中发现的负面品质进行分组。其次，对ID2T的体系结构进行了修改、改进和扩展。这些架构变化使ID2T能够注入最新和高级的攻击，例如广泛的EternalBlue漏洞或僵尸网络通信模式。该工具包的新功能提供了一组测试，称为TIDED（测试入侵检测数据集），有助于识别注入攻击的后台流量中的潜在缺陷。第三，我们说明了ID2T是如何在不同的用例场景中使用，以评估性能的异常和基于签名的入侵检测系统的可重复的方式。ID2T是开源软件，可供社区使用，以扩展其攻击和功能。
2019-05-01 cs.CR
Cyber Situation Awareness with Active Learning for Intrusion Detection
入侵检测主要集中在检测事件级别的网络攻击。由于存在如此大量的网络数据并且攻击最小，机器学习方法专注于提高准确性和减少误报，但这经常导致过拟合。此外，入侵检测警报的数量很大，并且必须审查它们的人类分析师会感到疲劳。针对事件级入侵检测和大量入侵警报的问题，提出了基于主动学习和网络态势感知的入侵检测方法。本文包括使用UNSW-NB 15数据集的两个实验的结果。第一个实验评估查询神谕的抽样方法，作为主动学习的一部分。然后使用样本训练随机森林分类器并评估其结果。第二个实验通过汇总第一个实验的检测结果并计算计算机系统是网络攻击的一部分的概率来应用网络态势感知。这项研究表明，将事件级警报的视角转移到计算机系统是攻击的一部分的概率上，可以提高检测的准确性，并减少人类分析师需要审查的警报数量。
2019-12-29 cs.CR
A Novel Similarity Measure for Intrusion Detection using Gaussian Function
本文的主要目的是设计和分析高斯相似性度量在入侵检测中的适用性。其目的是使用它作为距离度量，以找到训练集（如DARPA数据集，KDD数据集）的任何两个数据样本之间的距离。这个主要目标是在应用k-均值算法时使用该度量作为距离度量。这种方法的新颖之处在于利用所提出的距离函数作为k-means算法的一部分，从而获得不相交的聚类。最后通过一个案例分析了入侵检测的过程。所提出的相似度具有固定的上界和下界。所提出的相似性度量满足一个典型的相似性度量的所有属性。
2016-04-26 cs.CR
VHDL Modeling of Intrusion Detection & Prevention System (IDPS) A Neural Network Approach
万维网和网络系统的快速发展和扩展在过去十年中改变了计算世界，并且也为入侵者和黑客提供了用于其破坏目的的新设施。入侵者对计算机系统的未授权访问所造成的临时或永久性损害的成本促使不同的组织越来越多地实施各种系统来监视其网络中的数据流。我们的目标是实现一个人工网络的方法来设计入侵检测和防御系统，并最终将设计的模型转换为VHDL（超高速集成电路硬件描述语言）代码。此功能使系统能够针对可能的攻击建议适当的操作。本研究的结果表明，人工神经网络的潜在适用性，开发实用的入侵检测系统。
2014-02-21 cs.CR
Network Intrusion Detection with Edge-Directed Graph Multi-Head Attention Networks
本文提出边缘引导图多头注意力网络 EDGMAT，通过多头注意力与边特征结合实现加权聚合，提升网络入侵检测性能，并在四个 NIDS 基准数据集上显著优于现有模型。
2023-10-26 cs.CR
Robust Consensus-Based Network Intrusion Detection in Presence of Byzantine Attacks
共识算法提供了解决分布式系统中的问题的策略，该分布式系统具有数据只能在相邻计算节点之间共享的附加约束。我们发现这些算法在无线和传感器网络，认知无线电的频谱感知，甚至一些物联网服务的应用。然而，基于共识的应用程序对于向其邻居发送伪造数据的受损节点没有弹性，即它们可能成为拜占庭攻击的目标。在文献中已经提出了几种解决方案，其灵感来自过程控制中基于信誉的系统、离群值检测或基于模型的故障检测技术。我们已经审查了其中的一些解决方案，并提出了两个缓解技术，以保护共识为基础的网络入侵检测系统在\cite{toulouse2015consensus}。我们分析了几个实现问题，如计算开销，微调的解决方案参数，对共识阶段的收敛性，入侵检测系统的准确性的影响。
2016-11-14 cs.CR
Learning Execution Contexts from System Call Distributions for Intrusion Detection in Embedded Systems
现有的入侵检测技术没有充分利用嵌入式系统的固有特性。在本文中，我们提出了一个轻量级的方法来检测异常执行使用分布的系统调用频率。我们使用集群分析来了解嵌入式应用程序的合法执行上下文，然后在运行时对其进行监控以捕获异常执行。我们还提出了一个架构框架，处理器的微小修改，以帮助在这个过程中。我们的原型表明，该方法可以有效地检测异常执行，而不依赖于复杂的分析或影响的关键执行路径。
2015-08-02 cs.CR
