Buchumschlag

INTACT: Intent-Aware Representation Learning for Cryptographic Traffic Violation Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Ray, Rahul D
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning to Localize Leakage of Cryptographic Sensitive Variables
von: Gammell, Jimmy, et al.
Veröffentlicht: (2025)

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

A Cryptographic Perspective on Mitigation vs. Detection in Machine Learning
von: Gluch, Greg, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Hardware Trojan Detection Using Multimodal Deep Learning
von: Vishwakarma, Rahul, et al.
Veröffentlicht: (2024)

A Deep-Learning Technique to Locate Cryptographic Operations in Side-Channel Traces
von: Chiari, Giuseppe, et al.
Veröffentlicht: (2024)

Cryptographic Backdoor for Neural Networks: Boon and Bane
von: Ngo, Anh Tu, et al.
Veröffentlicht: (2025)

A Machine Learning-Based Framework for Assessing Cryptographic Indistinguishability of Lightweight Block Ciphers
von: Dani, Jimmy, et al.
Veröffentlicht: (2024)

Model Inversion Attacks Meet Cryptographic Fuzzy Extractors
von: Prabhakar, Mallika, et al.
Veröffentlicht: (2025)

Unelicitable Backdoors in Language Models via Cryptographic Transformer Circuits
von: Draguns, Andis, et al.
Veröffentlicht: (2024)

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

Backdoor Channels Hidden in Latent Space: Cryptographic Undetectability in Modern Neural Networks
von: Eggen, Marte, et al.
Veröffentlicht: (2026)

PrivGNN: High-Performance Secure Inference for Cryptographic Graph Neural Networks
von: Wang, Fuyi, et al.
Veröffentlicht: (2025)

Improving Network Threat Detection by Knowledge Graph, Large Language Model, and Imbalanced Learning
von: Zhang, Lili, et al.
Veröffentlicht: (2025)

Intelligent Detection of Non-Essential IoT Traffic on the Home Gateway
von: Palmese, Fabio, et al.
Veröffentlicht: (2025)

Efficient Detection of Botnet Traffic by features selection and Decision Trees
von: Velasco-Mata, Javier, et al.
Veröffentlicht: (2021)

Self-Supervised Learning of Graph Representations for Network Intrusion Detection
von: Guerra, Lorenzo, et al.
Veröffentlicht: (2025)

SoK: Enhancing Cryptographic Collaborative Learning with Differential Privacy
von: Capano, Francesco, et al.
Veröffentlicht: (2026)

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

Integrating Explainable AI for Effective Malware Detection in Encrypted Network Traffic
von: Zeleke, Sileshi Nibret, et al.
Veröffentlicht: (2025)

Binary Anomaly Detection in Streaming IoT Traffic under Concept Drift
von: Carnier, Rodrigo Matos, et al.
Veröffentlicht: (2025)

Improving Intrusion Detection with Domain-Invariant Representation Learning in Latent Space
von: Roy, Padmaksha, et al.
Veröffentlicht: (2023)

Machine Learning for Cyber-Attack Identification from Traffic Flows
von: Zhou, Yujing, et al.
Veröffentlicht: (2025)

Explainable Machine Learning for Cyberattack Identification from Traffic Flows
von: Zhou, Yujing, et al.
Veröffentlicht: (2025)

What Does Normal Even Mean? Evaluating Benign Traffic in Intrusion Detection Datasets
von: Wilkinson, Meghan, et al.
Veröffentlicht: (2025)

RAPID: Robust APT Detection and Investigation Using Context-Aware Deep Learning
von: Amaru, Yonatan, et al.
Veröffentlicht: (2024)

MIETT: Multi-Instance Encrypted Traffic Transformer for Encrypted Traffic Classification
von: Chen, Xu-Yang, et al.
Veröffentlicht: (2024)

Mitigating Indirect Prompt Injection via Instruction-Following Intent Analysis
von: Kang, Mintong, et al.
Veröffentlicht: (2025)

Hacking Cryptographic Protocols with Advanced Variational Quantum Attacks
von: Aizpurua, Borja, et al.
Veröffentlicht: (2023)

Dimensionality-Aware Anomaly Detection in Learned Representations of Self-Supervised Speech Models
von: Arcos-Holzinger, Sandra, et al.
Veröffentlicht: (2026)

Semi-Supervised Learning for Anomaly Traffic Detection via Bidirectional Normalizing Flows
von: Dang, Zhangxuan, et al.
Veröffentlicht: (2024)

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

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

Queries, Representation & Detection: The Next 100 Model Fingerprinting Schemes
von: Godinot, Augustin, et al.
Veröffentlicht: (2024)

Content-Aware Attack Detection in LLM Agent Tool-Call Traffic: An Empirical Study of Features, Architectures, and Evaluation Protocols
von: Zavrak, Sultan
Veröffentlicht: (2026)

Adversarial Distilled Retrieval-Augmented Guarding Model for Online Malicious Intent Detection
von: Guo, Yihao, et al.
Veröffentlicht: (2025)

Covert Attacks on Machine Learning Training in Passively Secure MPC
von: Jagielski, Matthew, et al.
Veröffentlicht: (2025)

DexRay: A Simple, yet Effective Deep Learning Approach to Android Malware Detection based on Image Representation of Bytecode
von: Daoudi, Nadia, et al.
Veröffentlicht: (2021)

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

Dual-view Aware Smart Contract Vulnerability Detection for Ethereum
von: Yao, Jiacheng, et al.
Veröffentlicht: (2024)

PacketCLIP: Multi-Modal Embedding of Network Traffic and Language for Cybersecurity Reasoning
von: Masukawa, Ryozo, et al.
Veröffentlicht: (2025)