Buchumschlag

The Role of Learning in Attacking ML-based Network Intrusion Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Domico, Kyle, Ferrand, Jean-Charles Noirot, McDaniel, Patrick
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Longitudinal Analyses of SAST Tools: A CodeQL Case Study
von: Ferrand, Jean-Charles Noirot, et al.
Veröffentlicht: (2026)

Adversarial Agents: Black-Box Evasion Attacks with Reinforcement Learning
von: Domico, Kyle, et al.
Veröffentlicht: (2025)

Targeting Alignment: Extracting Safety Classifiers of Aligned LLMs
von: Ferrand, Jean-Charles Noirot, et al.
Veröffentlicht: (2025)

LibIHT: A Hardware-Based Approach to Efficient and Evasion-Resistant Dynamic Binary Analysis
von: Zhao, Changyu, et al.
Veröffentlicht: (2025)

Secure IP Address Allocation at Cloud Scale
von: Pauley, Eric, et al.
Veröffentlicht: (2022)

Explainable and Transferable Adversarial Attack for ML-Based Network Intrusion Detectors
von: Zhang, Hangsheng, et al.
Veröffentlicht: (2024)

A Public and Reproducible Assessment of the Topics API on Real Data
von: Beugin, Yohan, et al.
Veröffentlicht: (2024)

Technical Report: The Need for a (Research) Sandstorm through the Privacy Sandbox
von: Beugin, Yohan, et al.
Veröffentlicht: (2025)

Enhancing Trustworthiness in ML-Based Network Intrusion Detection with Uncertainty Quantification
von: Talpini, Jacopo, et al.
Veröffentlicht: (2023)

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

Feature Selection for Network Intrusion Detection
von: Westphal, Charles, et al.
Veröffentlicht: (2024)

Evaluating The Explainability of State-of-the-Art Deep Learning-based Network Intrusion Detection Systems
von: Kumar, Ayush, et al.
Veröffentlicht: (2024)

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

Visually Analyze SHAP Plots to Diagnose Misclassifications in ML-based Intrusion Detection
von: Mia, Maraz, et al.
Veröffentlicht: (2024)

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

ConCap: Practical Network Traffic Generation for (ML- and) Flow-based Intrusion Detection Systems
von: Verkerken, Miel, et al.
Veröffentlicht: (2025)

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

Deep Learning Algorithms Used in Intrusion Detection Systems -- A Review
von: Kimanzi, Richard, et al.
Veröffentlicht: (2024)

Intrusion Detection System Using Deep Learning for Network Security
von: Chatterjee, Soham, et al.
Veröffentlicht: (2025)

It's a Feature, Not a Bug: Secure and Auditable State Rollback for Confidential Cloud Applications
von: Burke, Quinn, et al.
Veröffentlicht: (2025)

Deployment Challenges of Industrial Intrusion Detection Systems
von: Wolsing, Konrad, et al.
Veröffentlicht: (2024)

Always be Pre-Training: Representation Learning for Network Intrusion Detection with GNNs
von: Gu, Zhengyao, et al.
Veröffentlicht: (2024)

Intrusion Detection in Heterogeneous Networks with Domain-Adaptive Multi-Modal Learning
von: Varghese, Mabin Umman, et al.
Veröffentlicht: (2025)

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

Multi-agent Reinforcement Learning-based Network Intrusion Detection System
von: Tellache, Amine, 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)

Deserialization Gadget Chains are not a Pathological Problem in Android:an In-Depth Study of Java Gadget Chains in AOSP
von: Kreyssig, Bruno, et al.
Veröffentlicht: (2025)

Characterizing the Modification Space of Signature IDS Rules
von: Guide, Ryan, et al.
Veröffentlicht: (2024)

MirGuard: Towards a Robust Provenance-based Intrusion Detection System Against Graph Manipulation Attacks
von: Sang, Anyuan, 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)

A Review of the Duality of Adversarial Learning in Network Intrusion: Attacks and Countermeasures
von: Saini, Shalini, et al.
Veröffentlicht: (2024)

Entente: Cross-silo Intrusion Detection on Network Log Graphs with Federated Learning
von: Xu, Jiacen, et al.
Veröffentlicht: (2025)

WeiDetect: Weibull Distribution-Based Defense against Poisoning Attacks in Federated Learning for Network Intrusion Detection Systems
von: M., Sameera K., et al.
Veröffentlicht: (2025)

Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning
von: Shen, Jiyuan, et al.
Veröffentlicht: (2024)

REAL-IoT: Characterizing GNN Intrusion Detection Robustness under Practical Adversarial Attack
von: Zhan, Zhonghao, et al.
Veröffentlicht: (2025)

SAGE: Sample-Aware Guarding Engine for Robust Intrusion Detection Against Adversarial Attacks
von: Chen, Jing, et al.
Veröffentlicht: (2025)

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

Mitigating Fine-tuning based Jailbreak Attack with Backdoor Enhanced Safety Alignment
von: Wang, Jiongxiao, et al.
Veröffentlicht: (2024)

Adaptive Intrusion Detection for Evolving RPL IoT Attacks Using Incremental Learning
von: Bas, Sumeyye, et al.
Veröffentlicht: (2025)

A New Era in LLM Security: Exploring Security Concerns in Real-World LLM-based Systems
von: Wu, Fangzhou, et al.
Veröffentlicht: (2024)