XiaoMi-AI文件搜索系统
World File Search SystemIntrusion
一种可解释的基于人工智能的 DNS over HTTPS (DoH) 攻击入侵检测系统
摘要 — 在过去的几年中，域名服务 (DNS) 一直是黑客的主要目标，因为它使他们能够首先进入网络并获取数据以进行窃取。尽管 DNS over HTTPS (DoH) 协议具有隐私和安全等互联网用户所希望的特性，但它也导致了一个问题，即网络管理员无法检测到恶意软件和恶意工具生成的可疑网络流量。为了支持他们维护安全网络的努力，在本文中，我们使用一种新颖的机器学习框架实现了可解释的 AI 解决方案。我们使用公开的 CIRA-CIC-DoHBrw-2020 数据集来开发一种准确的解决方案来检测和分类 DNS over HTTPS 攻击。我们提出的平衡和堆叠随机森林在手头的分类任务中实现了非常高的精度 (99.91%)、召回率 (99.92%) 和 F1 分数 (99.91%)。使用可解释的 AI 方法，我们还强调了底层特征贡献，以期从模型中提供透明且可解释的结果。
基于自适应样本分布双重体验重播学习学习
摘要：为了应对不断发展的网络威胁，入侵检测系统已成为网络安全的关键组成部分。与基于签名的入侵检测方法相比，基于异常的方法通常采用机器学习技术来训练检测模型，并具有发现未知攻击的能力。然而，由于数据分布不平衡，入侵检测方法面临少数群体攻击低检测率的挑战。传统的入侵检测算法通过重新采样或生成合成数据来解决此问题。此外，作为一种与环境相互作用以获得反馈和提高性能的机器学习方法，增强学习逐渐被考虑在入侵检测领域中应用。本文提出了一种基于增强的基于学习的入侵检测方法，该方法创新使用自适应样本分布双重体验重播来增强强化学习算法，旨在有效地解决样本分布不平衡的问题。我们还开发了专门为入侵检测任务设计的强化学习环境。实验结果表明，所提出的模型在NSL-KDD，AWID和CICIOT2023数据集上实现了有利的性能，从而有效地处理了不平衡的数据，并在检测少数群体攻击中显示出更好的分类性能。
基于机器学习的空间监控入侵检测系统：贝宁农业案例研究
摘要——物联网 (IoT) 是数字化转型新时代的主要工具之一。通过物联网，我们期待探索数字世界中的新技术以及它们如何帮助改善现实世界。在这项工作中，我们概述了部署用于监控任何室内空间（特别是农业空间）的监控系统的方法。整个过程从运动传感器使用机器学习技术进行运动检测后开始。这需要在电子链中实现覆盖和响应处理算法。该系统的电子部分涉及微控制器、传感器及其之间的通信。已经创建了一个移动应用程序，以允许主管部门接收警报以进行实时干预，目的是防止在畜群通道附近屠宰的农作物遭到破坏。我们介绍了监控系统的示意图及其操作以及电源模块描述。已经设计了原型并进行了性能评估，以表明该系统大多数时间都是响应的。
优化用于云计算的深层生成入侵检测系统：改进的挑战和范围
大量数据及其指数增加导致安全问题，随后会损害云计算及其环境。入侵检测系统（IDS）是监视和分析云环境中恶意攻击数据的系统之一。云计算中网络流量的大量，高冗余和高维度使得很难通过当代技术检测攻击。需要解决以提高IDS功能的性能和数据不平衡问题。本文包括在不同类型的基于云的数据集中对基于ML技术和IDS性能的基于云ID的技术和调查。它还分析了差距和范围，以增强ID的评估参数。它提供了基于云的IDS系统，与其他当代系统相比，它将产生良好的性能结果。此外，本文提供了有关基于云的ID，数据不平衡技术，数据集和提议的云IDS系统体系结构的当前概述。
专家对防止人类无意闯入废物隔离试验工厂的标记做出判断
由桑迪亚国家实验室发布，由桑迪亚公司代表美国能源部运营。注意 本报告是根据美国政府机构赞助的工作编写的。美国政府、其任何机构、其任何雇员、其任何承包商、分包商或其雇员均不对所披露的任何信息、设备产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、工艺或服务，并不一定构成或暗示美国政府、其任何机构对其承包商或分包商的认可、推荐或支持。本文表达的观点和意见不一定代表或反映美国政府、其任何机构或其任何承包商的观点和意见。
网络知情性：使用CVSS增加对入侵检测系统的信任
入侵检测系统（IDSS）是必不可少的网络安全组合。以前的网络攻击检测方法更多地依赖于签名和规则来检测网络攻击，尽管过去十年来范式发生了变化，机器学习（ML）实现了更有效，更灵活的统计方法。，ML目前无法将网络安全信息集成到其内部运作中。本文介绍了网络知情性，这是一个新的指标，考虑到网络安全信息，以更明智地表示绩效，受到遇到的攻击的严重性的影响。该指标在网络安全方面使用了事实：共同的漏洞评分系统（CVSS）。在两个公共数据集上的结果表明，这种新的度量标准验证了使用通用指标获得的结果。此外，这种新的度量强调了基于ML的IDSS，优先考虑了严重攻击的高度绩效，这对通用指标看不到。因此，这个新的指标通过弥合ML和网络安全之间的差距很好地完成了通用指标。
可解释人工智能 (XAI) 在智能网联汽车入侵检测与缓解中的应用：综述
摘要：物联网 (IoT) 和人工智能 (AI) 的发展为智能交通系统 (ITS) 带来了潜力，从而产生了物联网和 ITS 的集成，即车联网 (IoV)。为了实现自动驾驶和高效出行的目标，车联网现在与现代通信技术（如 5G）相结合，实现智能网联汽车 (ICV)。然而，车联网在以下五 (5) 个领域面临安全风险：ICV 安全、智能设备安全、服务平台安全、V2X 通信安全和数据安全。人们已经开发了许多 AI 模型来减轻入侵威胁对 ICV 的影响。另一方面，可解释人工智能（XAI）的兴起源于需要为人工智能的开发注入信心、透明度和可重复性，以确保智能网联汽车的安全并提供安全的智能交通系统。因此，本综述的范围涵盖了智能网联汽车入侵检测系统（IDS）中使用的 XAI 模型、它们的分类法和未解决的研究问题。研究结果表明，尽管 XAI 在智能网联汽车中的应用尚处于起步阶段，但它是提高智能网联汽车网络效率的一个有前途的研究方向。本文进一步表明，XAI 透明度的提高将提高其在汽车行业的接受度。
专家对防止人类无意闯入废物隔离试验工厂的标记做出判断
由桑迪亚国家实验室发布，由桑迪亚公司代表美国能源部运营。注意 本报告是根据美国政府机构赞助的工作编写的。美国政府、其任何机构、其任何雇员、其任何承包商、分包商或其雇员均不对所披露的任何信息、设备产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、工艺或服务，并不一定构成或暗示美国政府、其任何机构对其承包商或分包商的认可、推荐或支持。本文表达的观点和意见不一定代表或反映美国政府、其任何机构或其任何承包商的观点和意见。
专家对防止人类无意闯入废物隔离试验工厂的标记做出判断
由桑迪亚国家实验室发布，由桑迪亚公司代表美国能源部运营。注意 本报告是根据美国政府机构赞助的工作编写的。美国政府、其任何机构、其任何雇员、其任何承包商、分包商或其雇员均不对所披露的任何信息、设备产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、工艺或服务，并不一定构成或暗示美国政府、其任何机构对其承包商或分包商的认可、推荐或支持。本文表达的观点和意见不一定代表或反映美国政府、其任何机构或其任何承包商的观点和意见。
理论化技术空间入侵对 ICT 促进员工创新的影响：感知有用性的中介作用
Shalini Chandra 是新加坡 SP Jain 全球管理学院的副教授。加入 SP Jain 之前，她曾在新加坡南洋理工大学 (NTU) 担任研究员，并拥有该大学的博士学位。她的研究成果发表在多家国际同行评审期刊上，如《MIS Quarterly》（MISQ）、《信息系统协会杂志》（JAIS）、《信息系统杂志》（ISJ）和《AIS 通讯》（CAIS）等。她还在信息系统领域的几场顶级会议上展示了她的研究成果，如国际信息系统会议 (ICIS)、管理学院 (AOM)、亚太信息系统会议 (PACIS) 和美洲信息系统会议 (AMCIS)，以及国际通信协会 (ICA) 等顶级通信会议。她的研究兴趣包括技术支持的创新和新的协作技术、新技术的采用和接受、技术的阴暗面和社交媒体。