Bài báo của nhóm được chấp nhận đăng và trình bày trong chương trình hội nghị “2024 International Conference On Advanced Technologies For Communications – ATC’2024”, trong phiên đặc biệt – “Special Session on Cutting-edge Technologies: Exploring AI, Robotics, and Control Systems” được tổ chức lần thứ 17 vào tháng 9/2024 tại Thành phố Hồ Chí Minh.
Tên bài báo: “ADV-Sword: A Framework of Explainable AI-Guided Adversarial Samples Generation for Benchmarking ML-Based Intrusion Detection Systems”.
Nội dung: Nghiên cứu về khả năng tạo mẫu đối kháng sử dụng trí tuệ nhân tạo khả diễn giải nhằm đánh giá hệ thống phát hiện xâm nhập dựa trên học máy.
Chủ đề nghiên cứu: Trí tuệ nhân tạo và An toàn thông tin
Sinh viên thực hiện:
– Nguyễn Đức Trung (ATCL 2020)
– Nguyễn Việt Hoàng (ATCL 2020)
Giảng viên hướng dẫn:
– ThS. Phan Thế Duy
– TS. Phạm Văn Hậu
Thông tin chung:
Hội thảo quốc tế về các công nghệ truyền thông tiên tiến (International Conference on Advanced Technologies for Communications – ATC) là Hội thảo khoa học thường niên, chuyên sâu về lĩnh vực điện tử, truyền thông, công nghệ thông tin và các lĩnh vực liên quan. Hội thảo mở ra cơ hội giao lưu, trao đổi, giới thiệu các kết quả nghiên cứu, chuyển giao công nghệ và giới thiệu sản phẩm của các doanh nghiệp trong và ngoài nước hoạt động trong các lĩnh vực này. Hội thảo lần đầu tiên được tổ chức vào năm 2008, hàng năm thu hút hơn 200 báo cáo với khoảng 150 nhà khoa học đến từ nhiều nước trên thế giới tham dự. Hội thảo Quốc tế ATC được tổ chức theo hình thức kết hợp giữa các Trường đại học với tổ chức xã hội – nghề nghiệp và các tập đoàn và doanh nghiệp trong lĩnh vực điện tử, truyền thông, công nghệ thông tin.
Năm 2024, hội nghị ATC sẽ được tổ chức tại Thành phố Hồ Chí Minh trong thời gian từ 17-19/09 do Học viện Công nghệ Bưu chính Viễn thông đăng cai tổ chức.
Abstract:
An expanding number of systems and gadgets connected to the Internet have made themselves easy targets for hackers due to the rapid advancement of technology. Hence, Intrusion Detection Systems (IDS) are essential for protecting network security by identifying cyberattacks in response to these growing threats. Even though machine learning/deep learning (ML/DL) is widely used in intrusion detection systems (IDS), it is still vulnerable to adversarial attacks. These assaults are derived from the initial attack samples and aim to misclassify the judgments made by the models. In this paper, we present ADV-Sword, a novel method that creates resilient adversarial samples by utilizing Accured Malicious Magnitude (AMM) and SHapley Additive exPlanations (SHAP). ADV-Sword is made to go beyond IDS defenses by taking advantage of flaws in ML-based detection systems. Our system comprises two stages, including manipulating malicious features to be benign-oriented and attacking the target IDS models. Using the InSDN dataset, we evaluate ADV-Sword and demonstrate how it can greatly affect IDS performance. According to our test results, ADV-Sword can achieve significant evasion rates, which highlights the detection of IDS at nearly zero.
Nguồn: Phòng thí nghiệm An toàn thông tin – UIT InSecLab, Trường Đại học Công nghệ Thông tin, ĐHQG TPHCM.
