Adversarial Attack on Deep Learning Based Network Intrusion Detection Systems: An Empirical Analysis across Datasets and Features
Este artigo demonstra empiricamente que os sistemas de detecção de intrusão em redes baseados em aprendizagem profunda são altamente vulneráveis a ataques de evasão adversários através de diferentes conjuntos de dados e conjuntos de características, revelando que a vulnerabilidade é uma propriedade inerente à superfície de decisão aprendida, e não um problema específico de um conjunto de dados, e propõe um Índice de Vulnerabilidade de Características para identificar quais características de entrada são mais suscetíveis à perturbação.