Bài báo “Investigating the robustness against transferable adversarial attacks of learning-based network intrusion detection system” của sinh viên Đặng Phước Sang đã được chấp nhận đăng tại Hội nghị quốc tế RIVF 2024.
Giảng viên hướng dẫn: TS. Phạm Văn Hậu và ThS. Phan Thế Duy
Intrusion Detection Systems (IDS) play a crucial role in safeguarding networks against increasingly sophisticated cyber threats. Adversarial attacks involve intentionally crafting malicious inputs to exploit vulnerabilities in learning-based IDS models, causing them to misclassify or overlook suspicious activity. Adversarial transferability refers to the ability of these malicious inputs to deceive not just the model they were designed for but also other models with similar architectures or characteristics. This study presents a novel methodology for evaluating the effectiveness and robustness of IDS models by examining their vulnerability to various evasion attacks and the transferability of adversarial examples across models with different levels of complexity. We compare machine learning (ML) and deep learning (DL) models, each represented in both lower and higher complexity versions. The methodology includes well-established evasion attack techniques such as Fast Gradient Sign Method (FGSM), Projected Gradient Descent (PGD), and Momentum Iterative Method (MIM), tested in both targeted and untargeted modes. Our experiments, conducted on a comprehensive and realistic network traffic dataset, demonstrate that while DL models typically achieve strong performance, they are more susceptible to adversarial attacks compared to traditional ML models. Furthermore, the results indicate that adversarial examples generated by lower-complexity models are often more effective at misleading higher-complexity models in black-box scenarios. This research offers critical insights into strengthening the robustness of learning-based IDS models against adversarial threats and provides a valuable foundation for future IDS advancements.
"Xin gửi lời cảm ơn chân thành đến các thầy hướng dẫn, TS. Phạm Văn Hậu và ThS. Phan Thế Duy, vì những định hướng, góp ý quý báu trong quá trình nghiên cứu và hoàn thiện bài báo này. Xin cảm ơn Ban tổ chức IEEE-RIVF 2024 đã tạo điều kiện để có cơ hội công bố kết quả nghiên cứu của mình tại một hội nghị uy tín."
Hội nghị RIVF là một hội nghị quốc tế Công nghệ Truyền thông và Điện toán, là sự kiện khoa học quốc tế lớn quy tụ các nhà khoa học, nghiên cứu trong lĩnh vực điện toán và truyền thông ở Việt Nam và thế giới đồng hành “Nghiên cứu – Đổi mới và Tầm nhìn cho tương lai” (Reseach, Innovation and Vision for the future, viết tắt là RIVF). Hội nghị RIVF được liệt kê vào danh sách các hội nghị uy tín theo đề xuất của SCOPUS and ISI Web of Science. RIVF đã trải qua 17 lần tổ chức và năm 2024 là lần tổ chức thứ 18. Được tổ chức tại Đại học Duy Tân từ 21-22/12/2024, Hội nghị Quốc tế Công nghệ Truyền thông và Điện toán IEEE-RIVF 2024 lần thứ 18 (The 18th IEEE-RIVF International Conference on Computing and Communication Technologies) là một trong những hội nghị khoa học uy tín trong lĩnh vực Công nghệ Thông tin và Truyền thông tại khu vực châu Á.
Thông tin chi tiết: https://www.facebook.com/UIT.Fanpage/posts/pfbid02R2bhKM2J2JagpUZkUQRapuaDvPLrmba7fv9FhBYq1dpftPtDQzSVabxcB47wr9MCl
