Buchumschlag

Introducing Adaptive Continuous Adversarial Training (ACAT) to Enhance ML Robustness

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	elShehaby, Mohamed, Kotha, Aditya, Matrawy, Ashraf
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Cryptography and Security Networking and Internet Architecture
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Evasion Adversarial Attacks Remain Impractical Against ML-based Network Intrusion Detection Systems, Especially Dynamic Ones
von: elShehaby, Mohamed, et al.
Veröffentlicht: (2023)

A No-Defense Defense Against Gradient-Based Adversarial Attacks on ML-NIDS: Is Less More?
von: elShehaby, Mohamed, et al.
Veröffentlicht: (2026)

A Novel Perturb-ability Score to Mitigate Evasion Adversarial Attacks on Flow-Based ML-NIDS
von: elShehaby, Mohamed, et al.
Veröffentlicht: (2024)

Exploring the Effect of DNN Depth on Adversarial Attacks in Network Intrusion Detection Systems
von: ElShehaby, Mohamed, et al.
Veröffentlicht: (2025)

LLMs' Suitability for Network Security: A Case Study of STRIDE Threat Modeling
von: AbdulGhaffar, AbdulAziz, et al.
Veröffentlicht: (2025)

An Adversarial Robustness Benchmark for Enterprise Network Intrusion Detection
von: Vitorino, João, et al.
Veröffentlicht: (2024)

Reliable Feature Selection for Adversarially Robust Cyber-Attack Detection
von: Vitorino, João, et al.
Veröffentlicht: (2024)

Adversarial Robustness of Traffic Classification under Resource Constraints: Input Structure Matters
von: Chehade, Adel, et al.
Veröffentlicht: (2025)

Revisiting Network Traffic Analysis: Compatible network flows for ML models
von: Vitorino, João, et al.
Veröffentlicht: (2025)

Preserving Data Privacy for ML-driven Applications in Open Radio Access Networks
von: Gajjar, Pranshav, et al.
Veröffentlicht: (2024)

Adaptive Dual-Layer Web Application Firewall (ADL-WAF) Leveraging Machine Learning for Enhanced Anomaly and Threat Detection
von: Sameh, Ahmed, et al.
Veröffentlicht: (2025)

SoK: Realistic Adversarial Attacks and Defenses for Intelligent Network Intrusion Detection
von: Vitorino, João, et al.
Veröffentlicht: (2023)

The Role of Deep Learning in Advancing Proactive Cybersecurity Measures for Smart Grid Networks: A Survey
von: Abdi, Nima, et al.
Veröffentlicht: (2024)

RECTor: Robust and Efficient Correlation Attack on Tor
von: Wu, Binghui, et al.
Veröffentlicht: (2025)

Backdoor Attacks on Contrastive Continual Learning for IoT Systems
von: Tim, Alfous, et al.
Veröffentlicht: (2026)

Deep Learning for Network Anomaly Detection under Data Contamination: Evaluating Robustness and Mitigating Performance Degradation
von: Nkashama, D'Jeff K., et al.
Veröffentlicht: (2024)

Enhancing Anomaly-Based Intrusion Detection Systems with Process Mining
von: Vitale, Francesco, et al.
Veröffentlicht: (2026)

Enhancing Resilience for IoE: A Perspective of Networking-Level Safeguard
von: Yang, Guan-Yan, et al.
Veröffentlicht: (2025)

Redefining DDoS Attack Detection Using A Dual-Space Prototypical Network-Based Approach
von: Martinez, Fernando, et al.
Veröffentlicht: (2024)

SNOW-SCA: ML-assisted Side-Channel Attack on SNOW-V
von: Saurabh, Harshit, et al.
Veröffentlicht: (2024)

AI/ML Based Detection and Categorization of Covert Communication in IPv6 Network
von: Rahman, Mohammad Wali Ur, et al.
Veröffentlicht: (2025)

SISSA: Real-time Monitoring of Hardware Functional Safety and Cybersecurity with In-vehicle SOME/IP Ethernet Traffic
von: Liu, Qi, et al.
Veröffentlicht: (2024)

IoT Network Traffic Analysis with Deep Learning
von: Liu, Mei, et al.
Veröffentlicht: (2024)

MDHP-Net: Detecting an Emerging Time-exciting Threat in IVN
von: Liu, Qi, et al.
Veröffentlicht: (2024)

Efficient Network Traffic Feature Sets for IoT Intrusion Detection
von: Silva, Miguel, et al.
Veröffentlicht: (2024)

Characterizing Encrypted Application Traffic through Cellular Radio Interface Protocol
von: Islam, Md Ruman, et al.
Veröffentlicht: (2024)

Characterizing Robocalls with Multiple Vantage Points
von: Prasad, Sathvik, et al.
Veröffentlicht: (2024)

Machine Learning-Based Malicious Vehicle Detection for Security Threats and Attacks in Vehicle Ad-hoc Network (VANET) Communications
von: Canh, Thanh Nguyen, et al.
Veröffentlicht: (2024)

Detection and classification of DDoS flooding attacks by machine learning method
von: Tymoshchuk, Dmytro, et al.
Veröffentlicht: (2024)

On the Cross-Dataset Generalization of Machine Learning for Network Intrusion Detection
von: Cantone, Marco, et al.
Veröffentlicht: (2024)

Deep Learning Approaches for Network Traffic Classification in the Internet of Things (IoT): A Survey
von: Kalwar, Jawad Hussain, et al.
Veröffentlicht: (2024)

Locality Sensitive Hashing for Network Traffic Fingerprinting
von: Mashnoor, Nowfel, et al.
Veröffentlicht: (2024)

Attacks Against Mobility Prediction in 5G Networks
von: Atiiq, Syafiq Al, et al.
Veröffentlicht: (2024)

LPUF-AuthNet: A Lightweight PUF-Based IoT Authentication via Tandem Neural Networks and Split Learning
von: Mefgouda, Brahim, et al.
Veröffentlicht: (2024)

Sdn Intrusion Detection Using Machine Learning Method
von: Mahmud, Muhammad Zawad, et al.
Veröffentlicht: (2024)

Sequential Binary Classification for Intrusion Detection
von: Vasudevan, Shrihari, et al.
Veröffentlicht: (2024)

Non-uniformity is All You Need: Efficient and Timely Encrypted Traffic Classification With ECHO
von: Daum, Shilo, et al.
Veröffentlicht: (2024)

Distinguishing Tor From Other Encrypted Network Traffic Through Character Analysis
von: Choorod, Pitpimon, et al.
Veröffentlicht: (2024)

A Transfer Learning Framework for Anomaly Detection in Multivariate IoT Traffic Data
von: Rezakhani, Mahshid, et al.
Veröffentlicht: (2025)

A Virtual Cybersecurity Department for Securing Digital Twins in Water Distribution Systems
von: Homaei, Mohammadhossein, et al.
Veröffentlicht: (2025)