TAD: Transfer learning-based multi-adversarial detection of evasion attacks against network intrusion detection systems

Recherche avancée | Historique de recherche Mon DI-fusion | À propos de DI-fusion | Contact |

;Kenaza, Tayeb ;Mees, Wim
Référence Future generations computer systems
Publication Publié, 2022-08-01

Article révisé par les pairs

Fichier(s) déposé(s) par l'encodeur

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
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
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
Adversarial Training for Deep Learning-based Intrusion Detection Systems
par Debicha, Islam , Debatty, Thibault , Dricot, Jean-Michel , Mees, Wim
Publication 2021-04-18
Efficient Intrusion Detection Using Evidence Theory
par Debicha, Islam , Debatty, Thibault , Mees, Wim , Dricot, Jean-Michel
Publication 2020-10-18

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.