Auswirkungen kontinuierlichen Trainings auf die Praxistauglichkeit von Adversarial-Evasions-Angriffen gegen ML-basierte Netzwerkeindringerkennungssysteme

Kontinuierliches Retraining, auch ohne adversarisches Training, kann die Wirksamkeit von Adversarial-Angriffen reduzieren. Obwohl Adversarial-Angriffe ML-basierte Netzwerkeindringerkennungssysteme kompromittieren können, zeigt unsere Forschung eine erhebliche Lücke zwischen Forschung und Praxistauglichkeit in diesem Bereich auf.