Core Concepts
GNNを使用したNIDSは、特徴ベースの攻撃に対して高い耐性を示す。
Abstract
機械学習アルゴリズムがNIDSをサポートする際の脆弱性と、GNNを使用した新しい形式の敵対的攻撃に焦点を当てた研究。
GNNを使用したNIDSは、通常のMLベースのNIDSよりも高い耐性を持つことが示されている。
C2xB攻撃では、E-GraphSAGEとLineGraphSAGEのDRが増加するにつれて減少し、LineGraphSAGEがより優れた耐性を示す。
Stats
E-GraphSAGEとLineGraphSAGEは非敵対的な状況で高いDRを維持している。
RF分類器は特徴ベースの攻撃に極めて脆弱であり、DRが急速に低下する。
Quotes
"機械学習アルゴリズムがNIDSをサポートする際の脆弱性と、GNNを使用した新しい形式の敵対的攻撃に焦点を当てた研究。"
"GNNを使用したNIDSは、通常のMLベースのNIDSよりも高い耐性を持つことが示されている。"