Buchumschlag

WeiDetect: Weibull Distribution-Based Defense against Poisoning Attacks in Federated Learning for Network Intrusion Detection Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	M., Sameera K., P., Vinod, Rocha, Anderson, A., Rafidha Rehiman K., Conti, Mauro
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GShield: Mitigating Poisoning Attacks in Federated Learning
von: M., Sameera K., et al.
Veröffentlicht: (2025)

Privacy-Preserving in Blockchain-based Federated Learning Systems
von: M., Sameera K., et al.
Veröffentlicht: (2024)

Deep Learning Fusion For Effective Malware Detection: Leveraging Visual Features
von: Johny, Jahez Abraham, et al.
Veröffentlicht: (2024)

Security through the Eyes of AI: How Visualization is Shaping Malware Detection
von: Brosolo, Matteo, et al.
Veröffentlicht: (2025)

Discerning Reliable Cyber Threat Indicators for Timely Cyber Threat Intelligence
von: Arikkat, Dincy R, et al.
Veröffentlicht: (2023)

SeCTIS: A Framework to Secure CTI Sharing
von: Arikkat, Dincy R., et al.
Veröffentlicht: (2024)

DroidTTP: Mapping Android Applications with TTP for Cyber Threat Intelligence
von: Arikkat, Dincy R, et al.
Veröffentlicht: (2025)

Enhancing Android Malware Detection with Retrieval-Augmented Generation
von: S., Saraga, et al.
Veröffentlicht: (2025)

CANEDERLI: On The Impact of Adversarial Training and Transferability on CAN Intrusion Detection Systems
von: Marchiori, Francesco, et al.
Veröffentlicht: (2024)

KeTS: Kernel-based Trust Segmentation against Model Poisoning Attacks
von: Gangwal, Ankit, et al.
Veröffentlicht: (2025)

The Road Less Traveled: Investigating Robustness and Explainability in CNN Malware Detection
von: Brosolo, Matteo, et al.
Veröffentlicht: (2025)

A Defensive Framework Against Adversarial Attacks on Machine Learning-Based Network Intrusion Detection Systems
von: Tafreshian, Benyamin, et al.
Veröffentlicht: (2025)

Defense against Poisoning Attacks under Shuffle-DP
von: Wang, Siyi, et al.
Veröffentlicht: (2026)

CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations
von: Donadel, Denis, et al.
Veröffentlicht: (2025)

A Learning-Based Attack Framework to Break SOTA Poisoning Defenses in Federated Learning
von: Yang, Yuxin, et al.
Veröffentlicht: (2024)

Federated Intrusion Detection System Based on Unsupervised Machine Learning
von: Gourceyraud, Maxime, et al.
Veröffentlicht: (2025)

A Data-Driven Defense against Edge-case Model Poisoning Attacks on Federated Learning
von: Purohit, Kiran, et al.
Veröffentlicht: (2023)

AndroIDS : Android-based Intrusion Detection System using Federated Learning
von: Nair, Akarsh K, et al.
Veröffentlicht: (2025)

Distributed Intrusion Detection in Dynamic Networks of UAVs using Few-Shot Federated Learning
von: Ceviz, Ozlem, et al.
Veröffentlicht: (2025)

TEAM: Temporal Adversarial Examples Attack Model against Network Intrusion Detection System Applied to RNN
von: Liu, Ziyi, et al.
Veröffentlicht: (2024)

CTI Dataset Construction from Telegram
von: Arikkat, Dincy R., et al.
Veröffentlicht: (2025)

The Role of Learning in Attacking ML-based Network Intrusion Detection
von: Domico, Kyle, et al.
Veröffentlicht: (2026)

Using Anomaly Detection to Detect Poisoning Attacks in Federated Learning Applications
von: Raza, Ali, et al.
Veröffentlicht: (2022)

AMDS: Attack-Aware Multi-Stage Defense System for Network Intrusion Detection with Two-Stage Adaptive Weight Learning
von: Olukola, Oluseyi, et al.
Veröffentlicht: (2026)

SoK: Harmonizing Attack Graphs and Intrusion Detection Systems
von: Agiollo, Andrea, et al.
Veröffentlicht: (2026)

DYNAMITE: Dynamic Defense Selection for Enhancing Machine Learning-based Intrusion Detection Against Adversarial Attacks
von: Chen, Jing, et al.
Veröffentlicht: (2025)

Federated Learning Under Attack: Exposing Vulnerabilities through Data Poisoning Attacks in Computer Networks
von: Nowroozi, Ehsan, et al.
Veröffentlicht: (2024)

Advancing CAN Network Security through RBM-Based Synthetic Attack Data Generation for Intrusion Detection Systems
von: Li, Huacheng, et al.
Veröffentlicht: (2025)

Poisoning Attacks and Defenses to Federated Unlearning
von: Wang, Wenbin, et al.
Veröffentlicht: (2025)

Robustness Analysis of Machine Learning Models for IoT Intrusion Detection Under Data Poisoning Attacks
von: Wulnye, Fortunatus Aabangbio, et al.
Veröffentlicht: (2026)

Poisoning Attacks and Defenses in Recommender Systems: A Survey
von: Wang, Zongwei, et al.
Veröffentlicht: (2024)

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

Defending against Data Poisoning Attacks in Federated Learning via User Elimination
von: Galanis, Nick
Veröffentlicht: (2024)

Dual Defense: Enhancing Privacy and Mitigating Poisoning Attacks in Federated Learning
von: Xu, Runhua, et al.
Veröffentlicht: (2025)

Defense against Joint Poison and Evasion Attacks: A Case Study of DERMS
von: Abdeen, Zain ul, et al.
Veröffentlicht: (2024)

Through the Static: Demystifying Malware Visualization via Explainability
von: Brosolo, Matteo, et al.
Veröffentlicht: (2025)

"What is the Problem Space?" Defining Host-space Adversarial Perturbations against Network Intrusion Detection Systems
von: Verkerken, Miel, et al.
Veröffentlicht: (2026)

Enhancing Network Intrusion Detection Systems: A Multi-Layer Ensemble Approach to Mitigate Adversarial Attacks
von: Soltani, Nasim, et al.
Veröffentlicht: (2026)

NetNN: Neural Intrusion Detection System in Programmable Networks
von: Razavi, Kamran, 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)