时序对抗样本攻击模型

攻击检测系统97%误判

利用时间步长的特征重构，让黑盒与白盒网络入侵检测系统大面积失效。

Liu, Ziyi · 叶登攀 · Long, Tang · Zhang, Yunming · Deng, Jiacheng · Wanrong, Kuang

IEEE Transactions on Network Science and Engineering 2025

参数信息

NIDS误判率

97.65 %

后续原始样本误判率最大提升

95.57 %

技术优势

攻击可跨时间步传播

同一时间步内的历史对抗样本可以进一步触发对当前或未来原始样本的攻击，大幅提升攻击效果。

时间膨胀缓解干扰

TEAM利用时间膨胀（TD）有效缓解同一时间步内对抗样本之间的时序影响，使攻击更稳定。

应用场景

• 数据安全：用于生成对抗样本测试NIDS的脆弱性，帮助安全人员提前发现并修复检测漏洞。
• 智能系统鲁棒性：评估和提升基于RNN的智能系统在时序对抗攻击下的鲁棒性。