Buchumschlag

Adversarial Sample Generation for Anomaly Detection in Industrial Control Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mustafa, Abdul, Khan, Muhammad Talha, Umer, Muhammad Azmi, Masood, Zaki, Ahmed, Chuadhry Mujeeb
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Attack Pattern Mining to Discover Hidden Threats to Industrial Control Systems
von: Umer, Muhammad Azmi, et al.
Veröffentlicht: (2025)

AttackLLM: LLM-based Attack Pattern Generation for an Industrial Control System
von: Ahmed, Chuadhry Mujeeb
Veröffentlicht: (2025)

LLM-CSEC: Empirical Evaluation of Security in C/C++ Code Generated by Large Language Models
von: Shahid, Muhammad Usman, et al.
Veröffentlicht: (2025)

Improving IoT Intrusion Detection Through SMOTE-Based Oversampling and Extended Multi-Model Evaluation on Side-Channel Power Data
von: Shahzad, Muhammad Khuram, et al.
Veröffentlicht: (2026)

Double-Adversarial Activation Anomaly Detection: Adversarial Autoencoders are Anomaly Generators
von: Schulze, J. -P., et al.
Veröffentlicht: (2021)

On the Robustness of Malware Detectors to Adversarial Samples
von: Salman, Muhammad, et al.
Veröffentlicht: (2024)

C-RADAR: A Centralized Deep Learning System for Intrusion Detection in Software Defined Networks
von: Mustafa, Osama, et al.
Veröffentlicht: (2024)

An Anomaly Detection System Based on Generative Classifiers for Controller Area Network
von: Zhao, Chunheng, et al.
Veröffentlicht: (2024)

A Giant-Step Baby-Step Classifier For Scalable and Real-Time Anomaly Detection In Industrial Control Systems and Water Treatment Systems
von: Venugopalan, Sarad, et al.
Veröffentlicht: (2025)

Quantum-Hybrid Support Vector Machines for Anomaly Detection in Industrial Control Systems
von: Cultice, Tyler, et al.
Veröffentlicht: (2025)

IstGPT: LLM-based Anomaly Detection for Spatial-Temporal Graph in Industrial Systems
von: Zhang, Yuchen, et al.
Veröffentlicht: (2026)

Cloud-Edge Collaborative Data Anomaly Detection in Industrial Sensor Networks
von: Yang, Tao, et al.
Veröffentlicht: (2022)

Anomaly-Flow: A Multi-domain Federated Generative Adversarial Network for Distributed Denial-of-Service Detection
von: de Melo, Leonardo Henrique, et al.
Veröffentlicht: (2025)

Persona-Conditioned Adversarial Prompting: Multi-Identity Red-Teaming for Adversarial Discovery and Mitigation
von: Morasso, Cristian, et al.
Veröffentlicht: (2026)

Beyond Static Tools: Evaluating Large Language Models for Cryptographic Misuse Detection
von: Masood, Zohaib, et al.
Veröffentlicht: (2024)

Adversarial Augmentation and Active Sampling for Robust Cyber Anomaly Detection
von: Benabderrahmane, Sidahmed, et al.
Veröffentlicht: (2025)

GETA: Generalized Encrypted Traffic Analysis
von: Gunasekara, Ransika, et al.
Veröffentlicht: (2026)

Efficient Adversarial Input Generation via Neural Net Patching
von: Khan, Tooba, et al.
Veröffentlicht: (2022)

SafeBench-Seq: A Homology-Clustered, CPU-Only Baseline for Protein Hazard Screening with Physicochemical/Composition Features and Cluster-Aware Confidence Intervals
von: Khan, Muhammad Haris
Veröffentlicht: (2025)

Time Constant: Actuator Fingerprinting using Transient Response of Device and Process in ICS
von: Ahmed, Chuadhry Mujeeb, et al.
Veröffentlicht: (2024)

WaveVerif: Acoustic Side-Channel based Verification of Robotic Workflows
von: Erdogan, Zeynep Yasemin, et al.
Veröffentlicht: (2025)

SCADE: Scalable Framework for Anomaly Detection in High-Performance System
von: Vinay, Vaishali, et al.
Veröffentlicht: (2024)

OCR-APT: Reconstructing APT Stories from Audit Logs using Subgraph Anomaly Detection and LLMs
von: Aly, Ahmed, et al.
Veröffentlicht: (2025)

PHANTOM: Progressive High-fidelity Adversarial Network for Threat Object Modeling
von: Al-Karaki, Jamal, et al.
Veröffentlicht: (2025)

HYDRA-FL: Hybrid Knowledge Distillation for Robust and Accurate Federated Learning
von: Khan, Momin Ahmad, et al.
Veröffentlicht: (2024)

CCLab: Adversarial Testing of Learning- and Non-Learning-Based Congestion Controllers
von: Chen, Zhi, et al.
Veröffentlicht: (2026)

Assessing the Resilience of Automotive Intrusion Detection Systems to Adversarial Manipulation
von: Longari, Stefano, et al.
Veröffentlicht: (2025)

Blockchain-Enabled Explainable AI for Trusted Healthcare Systems
von: Mohsin, Md Talha
Veröffentlicht: (2025)

A Novel GPT-Based Framework for Anomaly Detection in System Logs
von: Zhang, Zeng, et al.
Veröffentlicht: (2025)

MetaCipher: A Time-Persistent and Universal Multi-Agent Framework for Cipher-Based Jailbreak Attacks for LLMs
von: Chen, Boyuan, et al.
Veröffentlicht: (2025)

SD-CGAN: Conditional Sinkhorn Divergence GAN for DDoS Anomaly Detection in IoT Networks
von: Onyeka, Henry, et al.
Veröffentlicht: (2025)

Consistent Valid Physically-Realizable Adversarial Attack against Crowd-flow Prediction Models
von: Ali, Hassan, et al.
Veröffentlicht: (2023)

Evaluating Tabular Representation Learning for Network Intrusion Detection
von: Butt, Muhammad Usman, et al.
Veröffentlicht: (2026)

LLM-Generated Samples for Android Malware Detection
von: Rollinson, Nik, et al.
Veröffentlicht: (2025)

Detecting Adversarial Examples
von: Mumcu, Furkan, 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)

Evaluating the Robustness of a Production Malware Detection System to Transferable Adversarial Attacks
von: Nasr, Milad, et al.
Veröffentlicht: (2025)

CSTS: A Canonical Security Telemetry Substrate for AI-Native Cyber Detection
von: Rahman, Abdul
Veröffentlicht: (2026)

Detecting Adversarial Data via Provable Adversarial Noise Amplification
von: Mumcu, Furkan, et al.
Veröffentlicht: (2026)

Anomaly Detection in Certificate Transparency Logs
von: Ostertág, Richard, et al.
Veröffentlicht: (2024)