魯棒可解釋性的網絡安全異常檢測技術研究

韓東岐 李小勇

相關主題

商品描述

隨著網絡攻擊的覆雜化與多樣化,基於深度學習的網絡安全異常檢測技術得到廣泛應用,但該技術普遍存在可解釋性差、魯棒性不足等核心痛點,嚴重制約其在真實安全場景的落地。本書立足這一行業與相關技術痛點,系統地開展基於深度學習的網絡安全異常檢測可解釋性與魯棒性研究。本書先梳理網絡安全異常檢測的研究背景與核心挑戰,構建可解釋性與魯棒性分析框架;隨後分模塊深入研究局部可解釋性(挖掘特定異常決策依據)、全局可解釋性(提取模型全部決策規則)、對抗魯棒性(抵抗攻擊者繞過攻擊)、漂移魯棒性(適應數據分布變化)四大核心內容,提出多個具備實際應用價值的算法框架並完成實驗驗證與真實場景部署,同時構建統一評估基準工具,系統評測算法性能,從而揭示傳統評估未能發現的關鍵洞察。 本書讀者對象涵蓋網絡安全領域的科研人員、高校相關專業(計算機科學與技術、網絡空間安全等)師生,以及企業中從事網絡安全檢測系統研發與運維的工程技術人員。

目錄大綱

第1章 緒論
1.1 研究背景
1.2 研究內容和研究意義
1.3 本書主要貢獻
1.4 本書組織結構
第2章 相關研究綜述
2.1 網絡安全異常檢測研究概述
2.1.1 網絡安全異常檢測算法
2.1.2 網絡安全場景中的異常檢測
2.2 網絡安全異常檢測的局部可解釋性相關研究
2.2.1 監督學習模型局部解釋研究
2.2.2 異常檢測模型局部解釋研究
2.3 網絡安全異常檢測的全局可解釋性相關研究
2.3.1 面向深度學習模型的全局解釋研究
2.3.2 面向網絡安全應用的全局解釋研究
2.4 網絡安全異常檢測的對抗魯棒性相關研究
2.4.1 網絡安全應用的對抗魯棒性研究
2.4.2 網絡入侵檢測的對抗魯棒性研究
2.5 網絡安全異常檢測的漂移魯棒性相關研究
2.5.1 分布漂移檢測的相關研究
2.5.2 分布漂移適應的相關研究
本章小結
第3章 網絡安全異常檢測可解釋性和魯棒性分析框架
3.1 網絡安全異常檢測的可解釋性分析
3.1.1 網絡安全異常檢測可解釋性的相關背景和定義
3.1.2 局部可解釋性研究框架
3.1.3 全局可解釋性研究框架
3.2 網絡安全異常檢測的魯棒性分析
3.2.1 網絡安全異常檢測魯棒性的相關背景和定義
3.2.2 對抗魯棒性研究框架
3.2.3 漂移魯棒性研究框架
3.3 各研究內容之間的關系和具體示例
本章小結
第4章 局部可解釋性研究
4.1 引言
4.2 研究動機
4.2.1 解釋器設計動機
4.2.2 現有局部解釋的局限性
4.2.3 蒸餾器設計動機
4.3 方法設計
4.3.1 總體流程
4.3.2 解釋器方法設計
4.3.3 蒸餾器方法設計
4.4 實驗與相關應用案例
4.4.1 實驗設置
4.4.2 解釋器性能評估
4.4.3 解釋器應用案例:理解模型決策
4.4.4 解釋器應用案例:調試系統錯誤
4.4.5 蒸餾器性能評估
4.4.6 蒸餾器應用案例
4.4.7 超參數敏感性評估
本章小結
第5章 全局可解釋性研究
5.1 引言
5.2 研究思路與動機
5.3 方法設計
5.3.1 方法概述和設計動機
5.3.2 基於重構的異常檢測模型的解釋方法
5.3.3 基於預測的異常檢測模型的解釋方法
5.4 實驗與相關應用案例
5.4.1 實驗設置
5.4.2 解釋質量評估
5.4.3 全局解釋的典型應用場景分析
5.4.4 實驗結果分析與洞察總結
5.4.5 全局解釋的真實環境應用案例
5.4.6 其他實驗評估和分析
本章小結
第6章 對抗魯棒性研究
6.1 引言
6.2 研究內容與問題定義
6.2.1 研究範疇
6.2.2 現有攻擊的形式化分析
6.2.3 威脅模型定義
6.2.4 流量空間繞過攻擊的問題定義
6.2.5 問題求解中的挑戰和解決方法
6.3 方法設計
6.3.1 對抗魯棒性評估方法設計
6.3.2 對抗魯棒性提升方法設計
6.4 實驗
6.4.1 實驗設置
6.4.2 對抗性攻擊的繞過效果評估
6.4.3 不同NIDS的對抗魯棒性評估
6.4.4 基於有限特征知識的攻擊效果評估
6.4.5 攻擊效率以及參數的影響
6.4.6 惡意功能驗證評估
6.4.7 特征空間距離與擾動開銷的相關性檢驗
6.4.8 對抗魯棒性提升方案的效果評估
本章小結
第7章 漂移魯棒性研究
7.1 引言
7.2 研究問題定義
7.2.1 評估使用的異常檢測模型
7.2.2 概念漂移和常態漂移
7.3 方法設計
7.3.1 方法流程概述
7.3.2 動機設計
7.3.3 模型輸出校準方法設計
7.3.4 漂移檢測方法設計
7.3.5 漂移解釋方法設計
7.3.6 漂移適應方法設計
7.4 實驗與相關應用案例
7.4.1 實驗設置
7.4.2 端到端漂移適應性能評估
7.4.3 消融實驗
7.4.4 開源數據案例
7.4.5 真實場景案例
7.4.6 超參數敏感性評估及其配置
7.4.7 方法覆雜度分析
本章小結
第8章 網絡流量分析模型評估基準
8.1 研究背景
8.2 相關工作
8.2.1 流量分類模型
8.2.2 流量生成模型
8.2.3 流量模型基準評估
8.3 基準設計
8.3.1 流量分類基準設計
8.3.2 流量生成基準設計
8.4 實驗設置與結果分析
8.4.1 實驗設置
8.4.2 流量分類實驗結果分析
8.4.3 流量生成實驗結果分析
本章小結
第9章 總結與展望
9.1 本書總結
9.2 研究展望
參考文獻