Buchumschlag

Semi-Supervised Learning for Anomaly Traffic Detection via Bidirectional Normalizing Flows

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dang, Zhangxuan, Zheng, Yu, Lin, Xinglin, Peng, Chunlei, Chen, Qiuyu, Gao, Xinbo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Decompose to Understand, Fuse to Detect: Frequency-Decoupled Anomaly Detection for Encrypted Network Traffic
von: Lian, Xinglin, et al.
Veröffentlicht: (2026)

Semi-Supervised Learning for Anomaly Detection in Blockchain-based Supply Chains
von: Son, Do Hai, et al.
Veröffentlicht: (2024)

Enhanced Anomaly Detection in Industrial Control Systems aided by Machine Learning
von: Berge, Vegard, et al.
Veröffentlicht: (2024)

Research on Dynamic Data Flow Anomaly Detection based on Machine Learning
von: Wang, Liyang, et al.
Veröffentlicht: (2024)

Research on CNN-BiLSTM Network Traffic Anomaly Detection Model Based on MindSpore
von: Xiang, Qiuyan, et al.
Veröffentlicht: (2025)

Multimedia Traffic Anomaly Detection
von: Feng, Tongtong, et al.
Veröffentlicht: (2024)

Robust Anomaly Detection in Network Traffic: Evaluating Machine Learning Models on CICIDS2017
von: Xu, Zhaoyang, et al.
Veröffentlicht: (2025)

MixGAN: A Hybrid Semi-Supervised and Generative Approach for DDoS Detection in Cloud-Integrated IoT Networks
von: Wu, Tongxi, et al.
Veröffentlicht: (2025)

Hierarchical Local-Global Feature Learning for Few-shot Malicious Traffic Detection
von: Peng, Songtao, et al.
Veröffentlicht: (2025)

BlockScan: Detecting Anomalies in Blockchain Transactions
von: Yu, Jiahao, et al.
Veröffentlicht: (2024)

ETGuard: Malicious Encrypted Traffic Detection in Blockchain-based Power Grid Systems
von: Zhou, Peng, et al.
Veröffentlicht: (2024)

Interpretable Anomaly Detection in Encrypted Traffic Using SHAP with Machine Learning Models
von: Singh, Kalindi, et al.
Veröffentlicht: (2025)

Bridging Unsupervised and Semi-Supervised Anomaly Detection: A Theoretically-Grounded and Practical Framework with Synthetic Anomalies
von: Lau, Matthew, et al.
Veröffentlicht: (2025)

iADCPS: Time Series Anomaly Detection for Evolving Cyber-physical Systems via Incremental Meta-learning
von: Tian, Jiyu, et al.
Veröffentlicht: (2025)

A Study on Semi-Supervised Detection of DDoS Attacks under Class Imbalance
von: Hallaji, Ehsan, et al.
Veröffentlicht: (2025)

TrajAD: Trajectory Anomaly Detection for Trustworthy LLM Agents
von: Liu, Yibing, et al.
Veröffentlicht: (2026)

Deanonymizing Bitcoin Transactions via Network Traffic Analysis with Semi-supervised Learning
von: Zhang, Shihan, et al.
Veröffentlicht: (2026)

Anomaly Detection in Industrial Control Systems Based on Cross-Domain Representation Learning
von: Zhan, Dongyang, et al.
Veröffentlicht: (2025)

An Interpretable Generalization Mechanism for Accurately Detecting Anomaly and Identifying Networking Intrusion Techniques
von: Pai, Hao-Ting, et al.
Veröffentlicht: (2024)

Re-Triggering Safeguards within LLMs for Jailbreak Detection
von: Lin, Zheng, et al.
Veröffentlicht: (2026)

Guaranteed Jailbreaking Defense via Disrupt-and-Rectify Smoothing
von: Lin, Zheng, et al.
Veröffentlicht: (2026)

Securing IoT Communications via Anomaly Traffic Detection: Synergy of Genetic Algorithm and Ensemble Method
von: Seyedi, Behnam, et al.
Veröffentlicht: (2025)

Strengthening Network Intrusion Detection in IoT Environments with Self-Supervised Learning and Few Shot Learning
von: Atitallah, Safa Ben, et al.
Veröffentlicht: (2024)

Meta-UAD: A Meta-Learning Scheme for User-level Network Traffic Anomaly Detection
von: Feng, Tongtong, et al.
Veröffentlicht: (2024)

Dynamic Management of a Deep Learning-Based Anomaly Detection System for 5G Networks
von: Maimó, Lorenzo Fernández, et al.
Veröffentlicht: (2026)

Temporal Motif-aware Graph Test-time Adaptation for OOD Blockchain Anomaly Detection
von: He, Runang, et al.
Veröffentlicht: (2026)

ArmSSL: Adversarial Robust Black-Box Watermarking for Self-Supervised Learning Pre-trained Encoders
von: Jiang, Yongqi, et al.
Veröffentlicht: (2026)

FlowPure: Continuous Normalizing Flows for Adversarial Purification
von: Collaert, Elias, et al.
Veröffentlicht: (2025)

Evaluation Pipeline for systematically searching for Anomaly Detection Systems
von: Rokohl, Florian, et al.
Veröffentlicht: (2025)

Take Package as Language: Anomaly Detection Using Transformer
von: Huang, Jie
Veröffentlicht: (2024)

An Investigation into the Performance of Non-Contrastive Self-Supervised Learning Methods for Network Intrusion Detection
von: Fard, Hamed, et al.
Veröffentlicht: (2025)

Multi-view Correlation-aware Network Traffic Detection on Flow Hypergraph
von: Zhou, Jiajun, et al.
Veröffentlicht: (2025)

LogSHIELD: A Graph-based Real-time Anomaly Detection Framework using Frequency Analysis
von: Roy, Krishna Chandra, et al.
Veröffentlicht: (2024)

Hybrid IDS Using Signature-Based and Anomaly-Based Detection
von: Boutassetta, Messaouda, et al.
Veröffentlicht: (2026)

Kick Bad Guys Out! Conditionally Activated Anomaly Detection in Federated Learning with Zero-Knowledge Proof Verification
von: Han, Shanshan, et al.
Veröffentlicht: (2023)

TrafficLLM: Enhancing Large Language Models for Network Traffic Analysis with Generic Traffic Representation
von: Cui, Tianyu, et al.
Veröffentlicht: (2025)

Explainable and Fine-Grained Safeguarding of LLM Multi-Agent Systems via Bi-Level Graph Anomaly Detection
von: Pan, Junjun, et al.
Veröffentlicht: (2025)

Temporal-Spatial Attention Network (TSAN) for DoS Attack Detection in Network Traffic
von: Kayode, Bisola Faith, et al.
Veröffentlicht: (2025)

Bidirectional Intention Inference Enhances LLMs' Defense Against Multi-Turn Jailbreak Attacks
von: Tong, Haibo, et al.
Veröffentlicht: (2025)

BLADE: Behavior-Level Anomaly Detection Using Network Traffic in Web Services
von: Dong, Zhibo, et al.
Veröffentlicht: (2025)