論文の概要: A Novel Solution for Zero-Day Attack Detection in IDS using Self-Attention and Jensen-Shannon Divergence in WGAN-GP

• arxiv url: http://arxiv.org/abs/2603.19350v1
• Date: Thu, 19 Mar 2026 17:51:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:38.823916
• Title: A Novel Solution for Zero-Day Attack Detection in IDS using Self-Attention and Jensen-Shannon Divergence in WGAN-GP
• Title（参考訳）: WGAN-GPにおける自己注意とジェンセン・シャノン拡散を用いたIDSのゼロデイ攻撃検出のための新しい解法
• Authors: Ziyu Mu, Xiyu Shi, Safak Dogan,
• Abstract要約: サイバー脅威、特にゼロデイ攻撃は、サイバーセキュリティに重大な課題をもたらす。 既存のアプローチでパッチをパッチし、侵入検知システム(IDS)をデプロイする 本稿では,ゼロデイパターンを模倣したネットワークトラフィックの合成を提案する。
• 参考スコア（独自算出の注目度）: 0.2530367162206854
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing sophistication of cyber threats, especially zero-day attacks, poses a significant challenge to cybersecurity. Zero-day attacks exploit unknown vulnerabilities, making them difficult to detect and defend against. Existing approaches patch flaws and deploy an Intrusion Detection System (IDS). Using advanced Wasserstein GANs with Gradient Penalty (WGAN-GP), this paper makes a novel proposition to synthesize network traffic that mimics zero-day patterns, enriching data diversity and improving IDS generalization. SA-WGAN-GP is first introduced, which adds a Self-Attention (SA) mechanism to capture long-range cross-feature dependencies by reshaping the feature vector into tokens after dense projections. A JS-WGAN-GP is then proposed, which adds a Jensen-Shannon (JS) divergence-based auxiliary discriminator that is trained with Binary Cross-Entropy (BCE), frozen during updates, and used to regularize the generator for smoother gradients and higher sample quality. Third, SA-JS-WGAN-GP is created by combining the SA mechanism with JS divergence, thereby enhancing the data generation ability of WGAN-GP. As data augmentation does not equate with true zero-day attack discovery, we emulate zero-day attacks via the leave-one-attack-type-out method on the NSL-KDD dataset for training all GANs and IDS models in the assessment of the effectiveness of the proposed solution. The evaluation results show that integrating SA and JS divergence into WGAN-GP yields superior IDS performance and more effective zero-day risk detection.
• Abstract（参考訳）: サイバー脅威、特にゼロデイ攻撃の高度化は、サイバーセキュリティに重大な課題をもたらす。 ゼロデイ攻撃は未知の脆弱性を悪用し、検出と防御が困難になる。 既存のアプローチでは、欠陥をパッチし、侵入検知システム(IDS)をデプロイする。 本稿では,GANs with Gradient Penalty (WGAN-GP)を用いて,ゼロデイパターンを模倣したネットワークトラフィックの合成,データの多様性の向上,IDSの一般化向上を提案する。 SA-WGAN-GPが最初に導入され、高密度射影後に特徴ベクトルをトークンに変換することで、長距離のクロスフィーチャー依存関係をキャプチャするセルフアテンション(SA)機構が追加された。 その後、JS-WGAN-GPが提案され、Jensen-Shannon(JS)分散型補助判別器が加わり、バイナリクロスエントロピー(BCE)で訓練され、更新中に凍結され、よりスムーズな勾配とより高い試料品質のジェネレータを規則化する。 第三に、SA-JS-WGAN-GPは、SA機構とJSのばらつきを組み合わせることにより、WGAN-GPのデータ生成能力を向上させる。 データの増大は真のゼロデイ攻撃発見と一致しないため、NSL-KDDデータセット上でゼロデイ攻撃をエミュレートし、全てのGANおよびIDSモデルをトレーニングし、提案手法の有効性を評価する。 評価結果から,SAとJSのばらつきをWGAN-GPに組み込むことで,IDS性能が向上し,ゼロデイリスク検出に有効であることが示唆された。

関連論文リスト

• Hybrid LLM-Enhanced Intrusion Detection for Zero-Day Threats in IoT Networks [6.087274577167399]
  本稿では,GPT-2大言語モデル(LLM)の文脈理解機能と従来のシグネチャベース手法を統合した侵入検出手法を提案する。 本稿では,GPT-2による意味解析の適応性とシグネチャベースの手法の堅牢性を融合したハイブリッドIDSフレームワークを提案する。 代表的な侵入データセットを用いた実験により, 検出精度を6.3%向上し, 偽陽性率を9.0%低減し, ほぼリアルタイム応答性を維持した。
  論文  参考訳（メタデータ） (2025-07-10T04:10:03Z)
• Generative Active Adaptation for Drifting and Imbalanced Network Intrusion Detection [14.728689487990836]
  生成能動適応フレームワークは、モデルロバスト性を高めながらラベリング作業を最小化する。 我々は、シミュレーションIDSデータと実世界のISPデータセットの両方に基づいて、エンドツーエンドフレームワークNetGuardを評価した。
  論文  参考訳（メタデータ） (2025-03-04T21:49:42Z)
• SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised Learning for Robust Infrared Small Target Detection [53.19618419772467]
  単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。 Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。 赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-08T16:14:54Z)
• HGAttack: Transferable Heterogeneous Graph Adversarial Attack [63.35560741500611]
  ヘテロジニアスグラフニューラルネットワーク(HGNN)は、Webやeコマースなどの分野でのパフォーマンスでますます認識されている。 本稿ではヘテロジニアスグラフに対する最初の専用グレーボックス回避手法であるHGAttackを紹介する。
  論文  参考訳（メタデータ） (2024-01-18T12:47:13Z)
• Augmentation-Aware Self-Supervision for Data-Efficient GAN Training [68.81471633374393]
  識別器が過度に適合する傾向があるため、限られたデータでGANを訓練することは困難である。 本稿では,拡張データの拡張パラメータを予測する,拡張型自己教師型識別器を提案する。 本稿では,クラス条件の BigGAN と非条件の StyleGAN2 アーキテクチャを用いた State-of-the-art (SOTA) 手法と比較する。
  論文  参考訳（メタデータ） (2022-05-31T10:35:55Z)
• Discriminator-Free Generative Adversarial Attack [87.71852388383242]
  生成的ベースの敵攻撃は、この制限を取り除くことができる。 ASymmetric Saliency-based Auto-Encoder (SSAE) は摂動を生成する。 SSAEが生成した敵の例は、広く使われているモデルを崩壊させるだけでなく、優れた視覚的品質を実現する。
  論文  参考訳（メタデータ） (2021-07-20T01:55:21Z)
• G-IDS: Generative Adversarial Networks Assisted Intrusion Detection System [1.5119440099674917]
  本稿では,GANによる侵入検知システム(G-IDS)を提案する。 G-IDSは合成サンプルを生成し、IDSは元のサンプルとともにそれらを訓練する。 提案したG-IDSモデルは,スタンドアロンのIDSよりも,トレーニングプロセス中の攻撃検出とモデルの安定化に優れていた。
  論文  参考訳（メタデータ） (2020-06-01T02:42:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。