2、贝叶斯网络中对抗攻击的检测研究

贝叶斯网络中对抗攻击的检测研究

1. 长持续时间数据投毒攻击

在之前对数据投毒攻击的研究中，主要关注了针对贝叶斯结构学习算法的一次性数据投毒攻击。在这种攻击中，恶意攻击者会一次性发送所有受污染的案例，以影响原始数据集 DSv 和对应的模型 B1 。防御者会定期重新训练机器学习系统，使用原始数据集 DSv 和攻击者提供的受污染数据集 DSp 的组合 DSu 来恢复新模型 B2 的结构。

而长持续时间数据投毒攻击则是一种多步对抗攻击。在这种攻击中，恶意攻击者会在一段时间 t = {1, 2, ..., w} 内分批发送受污染的案例。在每个时间点 i ，攻击者会发送一个新的数据集 DSi_c ，其中包含 Ni 个案例，其中 λiNi 个是受污染的案例（ 0 < λi < 1 ， λi 是在第 i 次迭代时允许添加到 DSi_c 中的数据投毒率）。

即使防御者会定期使用数据集 DSi_ld （等于 DSv ∪ ∑i_t=1 DSc_t ）重新训练模型 B'2 ，但由于这种攻击不是瞬间发生的，所以很难检测到长持续时间攻击。到攻击结束时（即时间点 <