智能网络入侵检测对抗鲁棒性测评基准研究
网络空间安全学院
入侵检测通过分析网络流量来检测异常和威胁，对维护网络安全和正常运行具有重要意义。目前，机器学习特别是深度学习技术被广泛应用在网络异常检测中。然而，近年来研究表明，基于深度学习的模型在面对对抗攻击时存在显著的脆弱性。攻击者通过精心设计的对抗样本，可以轻易绕过这些检测系统，导致其无法有效识别潜在威胁，极大阻碍了其在攻防对抗的网络安全环境下的应用和部署。因此，亟需对此类网络异常检测的对抗鲁棒性进行研究。
