抗攻击检测模型SWS

检测精度与召回双升

该模型内置软阈值去噪与注意力机制，在自身遭受攻击时仍能保持检测能力，鲁棒性优于现有方案。

Wang, Tingting · Kai, Fang · Jijing, Cai · Lina, Wang · Tian, Jinyu · 冯海林 · Li, Jianqing · Guizani, Mohsen · 王为

IEEE Journal on Selected Areas in Communications 2025

参数信息

检测精度提升

13.4 %

召回率提升

10.6 %

误报率降低

16.9 %

技术优势

抗干扰去噪

引入软阈值方法动态适应网络流量变化，抑制攻击信号对检测的干扰。

聚焦关键特征

注意力机制使模型集中分析最具攻击行为指示性的流量特征。

复杂行为辨识

结合ResNet与BiLSTM增强对复杂网络攻击行为的鲁棒识别能力。

应用场景

• 零信任网络安全：为不信任任何实体的网络提供自身可抗攻击的检测模型，保障安全策略不被破坏。
• 入侵检测系统：替代传统IDS中易受攻击的检测模块，在受攻击时仍能准确识别入侵。
• 网络异常监测：在监测系统自身可能被入侵的情况下，持续可靠地发现异常流量模式。
• 工业控制系统防护：保护关键工业控制网络免受攻击，检测模型自身具备抗攻击能力，避免安全防线被突破。