从数据的角度对支持人工智能的入侵检测系统进行可靠的评估
Hui-Juan Zhang1, Kai Yang1, Peng Ran1
1Research Institute of Safety Technology, Research Institute of China Mobile, Beijing, China.
PloS one
|October 31, 2025
概括
本研究引入了一种多指标综合评估方法 (MICEM) 来评估入侵检测系统 (IDS) 数据质量. MICEM解决了数据改和腐败问题,确保可靠的人工智能 (AI) 决策,以加强网络安全.
科学领域:
- 网络安全 网络安全
- 人工智能的人工智能
- 数据科学数据科学数据科学
背景情况:
- 侵入检测系统 (IDS) 对网络安全至关重要.
- 现有的IDS人工智能模型忽视了数据质量差的影响.
- 数据完整性问题,如改和中毒,侵蚀了对人工智能驱动的IDS的信任.
研究的目的:
- 为评估入侵检测数据质量提出一个多指标综合评估方法 (MICEM).
- 通过解决数据质量问题,提高AI支持的IDS的可靠性和可用性.
- 为验证AI在网络安全中的决策提供以数据为中心的方法.
主要方法:
- 建立了几个评估指标来分析入侵检测数据中的潜在风险.
- 开发了评估数据质量维度的具体定量方法.
- 使用MICEM进行了全面的评估,以确定整体数据质量.
主要成果:
- 拟议的MICEM有效评估入侵检测数据的质量.
- 开发了定量指标以识别数据风险.
- 综合评估保证了人工智能支持的IDS的可靠性.
结论:
- 通过专注于数据质量,MICEM确保了IDS中AI决策的可靠性.
- 该方法解决了数据完整性问题,缓解了人工智能模型中的信任危机.
- 有效性和实用性在基准和现实世界数据集上得到验证.
