论文阅读笔记-XNIDS: Explaining Deep Learning-based Network Intrusion Detection Systems for Active Intrusio

前言

`上一篇写了可解释AI在安全领域的评估标准，并提到有多个工作引用了上一篇提出的各种标准。今天我们就来介绍来自USENIX2023的一篇安全领域可解释工作，xNIDS：解释DL-based NIDS以主动响应入侵。
从题目中就可以看到，本文除了解释DL-based NIDS，还把重点放在了 基于解释结果，设计入侵响应规则 上。话不多说，还是先把我需要的部分整理出来，后面再慢慢补充~

出处：USENIX2023
资源：https://github.com/CactiLab/code-xNIDS
一句话总结：在本文中，我们提出了 XNIDS，这是一种通过解释 DL-NIDS 来促进主动入侵响应的新颖框架。 我们的解释方法强调：（1）围绕历史输入进行近似和采样； (2)捕获结构化数据的特征依赖性以实现高保真解释。 基于解释结果，XNIDS可以进一步生成可操作的防御规则。

6 Evaluation

整体实验分为三个部分：

• 解释性能评估：fidelity, sparsity, completeness, and stability四个指标。
• 防御规则生成评估：practicability, accuracy, and efficiency三个指标。
• xNIDS辅助功能：从understand DL-NIDS behaviors, troubleshoot detection
  errors, and facilitate active intrusion response 三个方面说明。

6.1 Evaluation of Explanation解释评估

6.2 Evaluation of Rule Generation防御规则评估

我们评估了 XNIDS 中规则生成机制在1支持的防御工具、2涵盖的攻击和3延迟方面的1实用性、2准确性和3效率。
数据集：Kitsune dataset and CIC-DoS2017 dataset

6.2.1 Supported Defense Tools 支持的防御工具