Czasopismo | PRZEGLĄD TELEKOMUNIKACYJNY - WIADOMOŚCI TELEKOMUNIKACYJNE | Rocznik 2024 - zeszyt 4

PRAKTYCZNA REALIZACJA ATAKÓW OMIJANIA SYSTEMÓW WYKRYWANIA WŁAMAŃ W SIECIACH

PRACTICAL EVASION ATTACKS ON NETWORK INTRUSION DETECTION SYSTEMS

10.15199/59.2024.4.11

nr katalogowy: 150401
10.15199/59.2024.4.11

Streszczenie

Niniejsza praca analizuje podatności sys- temów wykrywania włamań w sieciach (NIDS) na ata- ki typu przeciwstawnego. Zaproponowano metodę identyfikacji optymalnych perturbacji w ruchu siecio- wym, zwiększających niewykrywalność przez NIDS. Wyniki na zbiorze danych CTU-13 wykazały, że ataki te mogą zredukować dokładność wykrywania z 99,99% do około 40% w najlepszym przypadku. Podkreśla to konieczność zwiększenia odporności systemów opar- tych na uczeniu maszynowym na takie zagrożenia.

Abstract

This study investigates the vulnerability of Network Intrusion Detection Systems (NIDS) to ad- versarial attacks. A prototype method was implemen- ted to identify optimal perturbations that evade NIDS detection. The results from the CTU-13 dataset de- monstrated the effectiveness of the attacks, reducing detection accuracy from 99.99% to approximately 40% in the best scenario. These findings underscore the ne- ed to enhance the resilience of machine learning-based systems against such threats.

Słowa kluczowe

Keywords

Bibliografia

[1] Apruzzese, Giovanni, Hyrum S Anderson, Savino Dambra, David Freeman, Fabio Pierazzi, Kevin Roundy. 2023. „“Real Attackers Don’t Compu- te Gradients”: Bridging the Gap Between Ad- versarial ML Research and Practice”. 2023 IEEE Conference on Secure and Trustworthy Machine Learning (SaTML), 339–364. IEEE.
[2] Garcia, S, V Uhlir. 2014. „The CTU-13 dataset. A labeled dataset with botnet, normal and back- ground traffic”. Stratosphere Lab.
[3] Khraisat, Ansam, Iqbal Gondal, Peter Vamplew, and Joarder Kamruzzaman. 2019. „Survey of in- trusion detection systems: techniques, datasets and challenges”. Cybersecurity, 2(1): 1–22. Sprin- ger.
[4] Li, Bingdong, Jeff Springer, George Bebis, Meh- met Hadi Gunes. 2013. „A survey of network flow applications”. Journal of Network and Computer Applications 36 (2) : 567–581. Elsevier.
[5] Liu, Yali. 2010. „Hide-and-seek: Concealment and detection of sensitive data exfiltration in ne- twork traffic”. University of California, Davis.
[6] Sevilla, Jaime, Lennart Heim, Anson Ho, Tamay Besiroglu, Marius Hobbhahn, Pablo Villalobos. 2022. „Compute trends across three eras of ma- chine learning”. 2022 International Joint Confe- rence on Neural Networks (IJCNN), 1–8. IEEE.
[7] Thapa, Niraj, Zhipeng Liu, Dukka B. Kc, Ba- lakrishna Gokaraju, and Kaushik Roy. 2020. „Comparison of machine learning and deep lear- ning models for network intrusion detection sys- tems”. Future Internet, 12(10): 167. MDPI.
[8] Umer, Muhammad Fahad, Muhammad Sher, and Yaxin Bi. 2017. „Flow-based intrusion de- tection: Techniques and challenges”. Computers Security, 70: 238–254. Elsevier.

Prenumerata

PRZEGLĄD TELEKOMUNIKACYJNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

300.00 zł

PRZEGLĄD TELEKOMUNIKACYJNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD TELEKOMUNIKACYJNY - papierowa prenumerata roczna	348.00 zł brutto 322.22 zł netto 25.78 zł VAT (stawka VAT 8%)
PRZEGLĄD TELEKOMUNIKACYJNY - pakowanie i wysyłka	21.00 zł brutto 17.07 zł netto 3.93 zł VAT (stawka VAT 23%)

369.00 zł

PRZEGLĄD TELEKOMUNIKACYJNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD TELEKOMUNIKACYJNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	450.00 zł brutto 416.67 zł netto 33.33 zł VAT (stawka VAT 8%)

450.00 zł

Open Access

Zeszyt

2024-4

Twój Koszyk

Prenumerata

Open Access

Zeszyt

Czasopisma