Few-Shot Network Intrusion Detection Using Online Triplet Mining

Riepilogo Tecnico: Rilevamento delle Intrusioni di Rete con Few-Shot mediante Estrazione Online di Triplette

Enunciato del Problema
I Sistemi di Rilevamento delle Intrusioni di Rete (NIDS) presentano una vulnerabilità critica quando vengono distribuiti in reti appena istituite o quando emergono attacchi zero-day. Gli approcci tradizionali di apprendimento automatico supervisionato richiedono grandi volumi di traffico malevolo etichettato per addestrare classificatori efficaci, creando una "finestra di vulnerabilità" in cui i sistemi rimangono esposti fino all'accumulo di dati sufficienti. Al contrario, i metodi di rilevamento delle anomalie non supervisionati, che apprendono la distribuzione del traffico benigno, spesso soffrono di tassi di falsi positivi proibitivamente elevati, rendendoli poco pratici per le operazioni nel mondo reale. La sfida centrale affrontata in questo lavoro è ottenere un rilevamento efficace delle intrusioni con un numero limitato di campioni malevoli (apprendimento few-shot), mantenendo al contempo bassi tassi di falsi positivi e resistendo all'overfitting in dataset altamente sbilanciati dove il traffico benigno è predominante.

Metodologia
Gli autori propongono un sistema che combina una Rete a Triplette addestrata tramite estrazione online di triplette con un classificatore K-Nearest Neighbours (KNN) per l'inferenza.

1. Architettura della Rete a Triplette: A differenza delle reti Siamesi che apprendono da coppie, il modello proposto utilizza una rete a triplette composta da tre reti neurali parallele con pesi condivisi. Essa elabora un campione ancoraggio ($x_a$), un campione positivo ($x_p$) della stessa classe e un campione negativo ($x_n$) di una classe diversa. La rete apprende uno spazio di embedding in cui la distanza tra l'ancoraggio e il positivo è inferiore alla distanza tra l'ancoraggio e il negativo di un margine $m$.
2. Estrazione Online di Triplette: Per superare l'inefficienza delle coppie pre-campionate, gli autori impiegano l'estrazione di triplette batch-all. Invece di selezionare le triplette prima dell'addestramento, un batch bilanciato per classe viene passato attraverso l'encoder per generare gli embedding. Tutte le triplette valide all'interno del batch vengono quindi identificate e la funzione di perdita viene calcolata su tutte le combinazioni valide. Questo massimizza la supervisione relazionale estratta per batch, particolarmente benefico quando il numero totale di campioni malevoli etichettati è ridotto.
3. Campionamento Bilanciato dei Batch: Data l'estrema squilibrio delle classi nei dataset NIDS, durante l'addestramento viene utilizzata una strategia di campionamento casuale ponderato. I campioni sono ponderati inversamente proporzionalmente alla loro frequenza di classe per garantire che ogni batch di addestramento contenga un numero pari di campioni da ciascuna classe, facilitando la formazione di triplette valide.
4. Strategia di Inferenza: Durante l'inferenza, il modello non viene riaddestrato né utilizza un confine decisionale appreso. Invece, i campioni di test vengono mappati nello spazio di embedding e viene applicato un classificatore KNN sul sbilanciato insieme di riferimento di addestramento. Gli autori sostengono che, sebbene i batch bilanciati siano necessari per apprendere caratteristiche discriminative, preservare lo skew naturale delle classi (dominanza del traffico benigno) durante l'inferenza è cruciale per mantenere bassi i tassi di falsi positivi.

Contributi Chiave

1. Sistema Proposto: Una nuova architettura NIDS che combina l'estrazione online di triplette e un classificatore KNN, capace di eseguire classificazione few-shot con soli 10 campioni malevoli per classe.
2. Framework di Valutazione: Una procedura di valutazione innovativa che confronta il modello proposto con baseline di stato dell'arte basate su apprendimento supervisionato e anomalie, sia in contesti di classificazione binaria che multiclasse few-shot.
3. Studi di Ablazione: Analisi completa che dimostra le scelte progettuali ottimali, inclusa la superiorità dell'estrazione batch-all rispetto all'estrazione batch-hard o semi-hard, l'efficacia della distanza euclidea rispetto alla distanza di Manhattan o Cosine, e la robustezza dell'algoritmo di inferenza KNN rispetto al linear probing o al fine-tuning.
4. Analisi dell'Overfitting: Evidenze che dimostrano come il metodo proposto riduca intrinsecamente l'overfitting rispetto ai modelli di base, in particolare in contesti multiclasse con dati limitati.

Risultati Sperimentali
Il modello è stato valutato su due dataset di riferimento: CICIDS2017 (28 feature, 5 classi) e Lycos2017 (72 feature, 12 classi).

• Classificazione Binaria: Su entrambi i dataset, la rete a triplette ha ottenuto punteggi macro F1 competitivi o superiori rispetto alle baseline (Autoencoder, DAE-LR, One-Class SVM e RENOIR). In particolare, mentre RENOIR ha mostrato un richiamo marginalmente superiore in alcuni scenari a bassa quantità di dati, ha incorso in tassi di falsi positivi di ordini di grandezza superiori rispetto al metodo proposto. La rete a triplette ha mantenuto la migliore precisione e i tassi di falsi positivi più bassi su tutte le dimensioni di addestramento.
• Classificazione Multiclasse: Il modello proposto ha superato le reti Siamesi, i Perceptron a Strati Multipli (MLP) e i classificatori KNN standard sul dataset più complesso Lycos2017 su tutte le dimensioni di addestramento. Su CICIDS2017, ha superato le baseline quando addestrato su almeno 40 campioni per classe.
• Robustezza: Il modello ha dimostrato resilienza alle variazioni nel numero di campioni di addestramento benigni e ha mantenuto alte prestazioni anche con soli 10 campioni malevoli per classe.

Significato e Affermazioni
Il documento afferma che questo lavoro rappresenta un passo importante verso NIDS pratici basati su ML. Abilitando una classificazione efficace con dati etichettati minimi, l'approccio mira a ridurre la finestra di vulnerabilità associata alle nuove distribuzioni di rete e agli attacchi zero-day. Gli autori affermano che il loro metodo colma con successo il divario tra i bassi tassi di falsi positivi richiesti per la distribuzione pratica e la capacità di apprendere da dati limitati, superando le approcci esistenti di rilevamento few-shot e di anomalie nella maggior parte delle metriche valutate. L'uso dell'inferenza KNN su embedding appresi permette al sistema di sfruttare la vera distribuzione delle classi (dominanza benigna) senza sacrificare il potere discriminativo appreso durante la fase di addestramento bilanciata.

Limitazioni e Direzioni Future
Gli autori riconoscono che la valutazione è stata limitata a due specifici dataset di riferimento e non ha incluso confronti con approcci di meta-apprendimento più ampi (ad esempio, reti prototipali) a causa di ipotesi di addestramento diverse. Suggeriscono che il lavoro futuro dovrebbe validare l'approccio su dataset diversificati (ad esempio, IoT, traffico cifrato) e affrontare il sovraccarico computazionale dell'inferenza KNN in scenari in tempo reale ad alto throughput, potenzialmente attraverso metodi di ricerca di vicini approssimati.