Few-Shot Network Intrusion Detection Using Online Triplet Mining

Resumo Técnico: Detecção de Intrusão em Rede com Poucos Exemplos Usando Mineração Online de Triplets

Declaração do Problema
Sistemas de Detecção de Intrusão em Rede (NIDSs) enfrentam uma vulnerabilidade crítica quando implantados em redes recém-estabelecidas ou quando surgem ataques de dia zero. Abordagens tradicionais de aprendizado supervisionado exigem grandes volumes de tráfego malicioso rotulado para treinar classificadores eficazes, criando uma "janela de vulnerabilidade" onde os sistemas permanecem expostos até que dados suficientes sejam acumulados. Por outro lado, métodos de detecção de anomalias não supervisionados, que aprendem a distribuição do tráfego benigno, frequentemente sofrem com taxas de falsos positivos proibitivamente altas, tornando-os impraticáveis para operações do mundo real. O desafio central abordado neste trabalho é alcançar detecção de intrusão eficaz com um número limitado de amostras maliciosas (aprendizado com poucos exemplos) enquanto se mantém baixas taxas de falsos positivos e se resiste ao sobreajuste em conjuntos de dados altamente desbalanceados onde o tráfego benigno domina.

Metodologia
Os autores propõem um sistema combinando uma Rede de Triplets treinada via mineração online de triplets com um classificador de Vizinhos Mais Próximos (KNN) para inferência.

1. Arquitetura da Rede de Triplets: Diferentemente das redes Siamesas que aprendem a partir de pares, o modelo proposto utiliza uma rede de triplets consistindo em três redes neurais paralelas com pesos compartilhados. Ela processa uma amostra âncora ($x_a$), uma amostra positiva ($x_p$) da mesma classe e uma amostra negativa ($x_n$) de uma classe diferente. A rede aprende um espaço de incorporação onde a distância entre a âncora e a positiva é menor que a distância entre a âncora e a negativa por uma margem $m$.
2. Mineração Online de Triplets: Para superar a ineficiência de pares pré-amostrados, os autores empregam mineração de triplets batch-all. Em vez de selecionar triplets antes do treinamento, um batch balanceado por classe é passado pelo codificador para gerar incorporações. Todos os triplets válidos dentro do batch são então identificados, e a perda é computada sobre todas as combinações válidas. Isso maximiza a supervisão relacional extraída por batch, particularmente benéfico quando o número total de amostras maliciosas rotuladas é pequeno.
3. Amostragem de Batch Balanceada: Dado o desbalanceamento extremo de classes em conjuntos de dados de NIDS, uma estratégia de amostragem aleatória ponderada é usada durante o treinamento. As amostras são ponderadas inversamente proporcionalmente à sua frequência de classe para garantir que cada batch de treinamento contenha um número par de amostras de cada classe, facilitando a formação de triplets válidos.
4. Estratégia de Inferência: Durante a inferência, o modelo não retreina nem usa um limite de decisão aprendido. Em vez disso, as amostras de teste são mapeadas para o espaço de incorporação, e um classificador KNN é aplicado sobre o conjunto de referência de treinamento desbalanceado. Os autores argumentam que, embora batches balanceados sejam necessários para aprender características discriminativas, preservar o viés natural de classe (dominância de tráfego benigno) durante a inferência é crucial para manter baixas taxas de falsos positivos.

Contribuições Principais

1. Sistema Proposto: Uma arquitetura NIDS inovadora combinando mineração online de triplets e um classificador KNN, capaz de realizar classificação com poucos exemplos com tão poucos quanto 10 amostras maliciosas por classe.
2. Framework de Avaliação: Um procedimento de avaliação inovador comparando o modelo proposto contra baselines supervisionadas e baseadas em anomalias de última geração em configurações de classificação binária e multiclasse com poucos exemplos.
3. Estudos de Ablação: Análise abrangente demonstrando as escolhas de design ótimas, incluindo a superioridade da mineração batch-all sobre a mineração batch-hard ou semi-hard, a eficácia da distância Euclidiana sobre a distância de Manhattan ou Cosseno, e a robustez do algoritmo de inferência KNN comparado à sondagem linear ou ajuste fino.
4. Análise de Sobreajuste: Evidências mostrando que o método proposto reduz intrinsecamente o sobreajuste comparado a modelos baseline, particularmente em configurações multiclasse com dados limitados.

Resultados Experimentais
O modelo foi avaliado em dois conjuntos de dados de referência: CICIDS2017 (28 características, 5 classes) e Lycos2017 (72 características, 12 classes).

• Classificação Binária: Em ambos os conjuntos de dados, a rede de triplets alcançou pontuações F1 macro competitivas ou superiores comparadas às baselines (Autoencoders, DAE-LR, One-Class SVM e RENOIR). Notavelmente, embora o RENOIR tenha mostrado recall marginalmente maior em alguns cenários de poucos dados, ele incorreu em taxas de falsos positivos ordens de magnitude maiores que o método proposto. A rede de triplets manteve a melhor precisão e as menores taxas de falsos positivos em todos os tamanhos de treinamento.
• Classificação Multiclasse: O modelo proposto superou redes Siamesas, Perceptrons de Múltiplas Camadas (MLPs) e classificadores KNN padrão no conjunto de dados mais complexo Lycos2017 em todos os tamanhos de treinamento. No CICIDS2017, superou as baselines quando treinado com pelo menos 40 amostras por classe.
• Robustez: O modelo demonstrou resiliência a variações no número de amostras de treinamento benignas e manteve alto desempenho mesmo com apenas 10 amostras maliciosas por classe.

Significado e Alegações
O artigo afirma que este trabalho representa um passo importante em direção a NIDSs práticos baseados em ML. Ao permitir classificação eficaz com dados rotulados mínimos, a abordagem visa reduzir a janela de vulnerabilidade associada a novas implantações de rede e ataques de dia zero. Os autores afirmam que seu método conecta com sucesso a lacuna entre as baixas taxas de falsos positivos necessárias para implantação prática e a capacidade de aprender a partir de dados limitados, superando abordagens existentes de poucos exemplos e detecção de anomalias na maioria das métricas avaliadas. O uso de inferência KNN sobre incorporações aprendidas permite que o sistema aproveite a verdadeira distribuição de classes (dominância benigna) sem sacrificar o poder discriminativo aprendido durante a fase de treinamento balanceada.

Limitações e Direções Futuras
Os autores reconhecem que a avaliação foi limitada a dois conjuntos de dados de referência específicos e não incluiu comparações com abordagens mais amplas de meta-aprendizado (por exemplo, redes prototípicas) devido a pressupostos de treinamento diferentes. Eles sugerem que trabalhos futuros devem validar a abordagem em conjuntos de dados diversos (por exemplo, IoT, tráfego criptografado) e abordar a sobrecarga computacional da inferência KNN em cenários de tempo real e alta vazão, potencialmente através de métodos de busca de vizinho mais próximo aproximado.