.png){kind=icon}
返回
Detecting AI-Generated Network Traffic Using Transformer-MLP Ensemble
.png){kind=icon}
PRE
AI
DOI：10.3390/app152111338.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
生成式人工智能 (AI) 的快速发展使各种应用成为可能，但也引入了新的攻击技术。与deepfake media类似，生成式AI可用于创建AI生成的流量，以规避现有的入侵检测系统 (ids)。本文提出了一种双重检测系统，用于在物联网 (IoT) 环境中广泛使用的消息队列遥测传输 (MQTT) 协议中检测此类合成网络流量。该系统分两个阶段运行 :( i) 使用长短期记忆 (LSTM) 模型进行初级过滤以检测恶意流量，以及 (ii) 使用Transformer-MLP集成进行二次验证以识别AI生成的流量。实验结果表明，所提出的方法在不同流量类型 (正常，恶意和AI生成) 中实现了99.1 +/- 0.6% 的平均准确性，几乎100% 检测合成流量。这些发现表明，所提出的双重检测系统有效地克服了单模型方法的局限性，并显着提高了检测性能。
Keyword:
MQTT
IoT
DoS
LSTM
transformer
MLP
ensemble
AI
GAN
GPT
期刊
A
IF:
2.5
论文数:
7.3K
被引数:
4
机构
引用论文
Towards a Transformer-Based Pre-trained Model for IoT Traffic Classification基于Transformer的预训练模型用于物联网流量分类研究
PREAI
分享收藏
A simple framework to enhance the adversarial robustness of deep learning-based intrusion detection system一种增强深度学习入侵检测系统对抗鲁棒性的简单框架.png)
COMPUTERS & SECURITY
OAAI
COMPUTERS & SECURITYIF5.4
OAAI分享收藏 没有更多内容
没有更多内容