Adversarial Training for Deep Learning-based Intrusion Detection Systems

;Mees, Wim
Référence The Sixteenth International Conference on Systems (ICONS 2021)(18th-22th April, 2021), page (45-49)
Publication Publié, 2021-04-18

Publication dans des actes

Documents en relation

DI-fusion

Detect & Reject for Transferability of Black-box Adversarial Attacks Against Network Intrusion Detection Systems
par Debicha, Islam , Debatty, Thibault , Dricot, Jean-Michel , Mees, Wim , Kenaza, Tayeb
Publication Springer, 2022-01-01
Adv-Bot: Realistic Adversarial Botnet Attacks against Network Intrusion Detection Systems
par Debicha, Islam , Cochez, Benjamin , Kenaza, Tayeb , Debatty, Thibault , Dricot, Jean-Michel , Mees, Wim
Publication 2023-03-07
TAD: Transfer learning-based multi-adversarial detection of evasion attacks against network intrusion detection systems
par Debicha, Islam , Bauwens, Richard , Debatty, Thibault , Dricot, Jean-Michel , Kenaza, Tayeb , Mees, Wim
Publication 2022-08-01
Efficient Intrusion Detection Using Evidence Theory
par Debicha, Islam , Debatty, Thibault , Mees, Wim , Dricot, Jean-Michel
Publication 2020-10-18
Protecting network intrusion detection systems from evasion attacks
par Debicha, Islam
Publication Ecole polytechnique de Bruxelles – Informatique, Bruxelles, Ecole Royale Militaire, Faculté polytechnique, CISS - Doctorat en sciences appliquées, 2023-04-20

Référencement	Visibilité	Pérennité	Facilité
Les publications encodées constituent la bibliographie académique de l'Université.	Les documents déposés sont indexés par les moteurs de recherche (Google Scholar,…).	Les documents déposés en open-access sont archivés au sein du réseau de préservation SAFE-PLN (www.safepln.org).	Les listes de publications sont compatibles avec le CV-ULB, le FNRS et accessibles sur le web.