3、贝叶斯网络中对抗攻击检测与自动化攻击图构建工具

贝叶斯网络中对抗攻击检测与自动化攻击图构建工具

1. 贝叶斯网络数据中毒攻击检测

随着机器学习算法在垃圾邮件过滤和入侵检测等安全关键领域的广泛应用，对抗机器学习成为了一个新兴的研究领域。其中，数据中毒攻击和规避攻击是机器学习系统中常见的两种攻击类型。

1.1 数据中毒攻击类型

数据中毒攻击是一种在训练阶段污染数据，以破坏机器学习分类器的攻击方式。这类攻击可根据三个特征进行分类：
- 影响类型 ：分为因果攻击和探索性攻击。因果攻击旨在破坏训练数据，而探索性攻击则在测试时破坏分类器。
- 安全违规类型 ：包括完整性、可用性或隐私的侵犯。
- 特异性 ：分为针对性攻击和无差别攻击。针对性攻击旨在使机器学习模型对特定类别的误报进行错误分类，而无差别攻击则试图对所有误报进行错误分类。

1.2 检测方法及结果

为了检测数据中毒攻击，研究人员提出了一种两层框架，使用 FLoD 和 SLoD 进行检测。
- FLoD 检测一步中毒攻击 ：通过计算 ds(B1, B2) 分数来检测一步中毒攻击。以下是不同攻击类型的检测结果：
| 攻击类型 | 攻击类别 | ds(B1, B2) 分数 |
| — | — | — |
| 引入链接 A → E（新 v 结构） | 新 v 结构 | 12 |
| 引入链接 D → S（新 v 结构） | 新 v 结构 | 24 |
| 引入链接 S → E（新 v 结构） | 新 v