Publication:
HIERARCHICAL GAUSSIAN PROCESSES AND STOCHASTIC PAC-BAYESIAN TRANSFORMERS FOR UNCERTAINTYCALIBRATED INTRUSION DETECTION ACROSS CLOUD AND ENTERPRISE NETWORKS

Файлы
Том 2 Кибернетика и информационная безопасность «КИБ-2025 С. 44-45.pdf(3.14 MB)
Дата
2025
Авторы
ANAEDEVHA, R. N.
TROFIMOV, A. G.
Journal Title
Journal ISSN
Volume Title
Издатель
НИЯУ МИФИ
Научные группы
Организационные подразделения
OrgUnit Logo
Организационная единица
Институт интеллектуальных кибернетических систем
Цель ИИКС и стратегия развития - это подготовка кадров, способных противостоять современным угрозам и вызовам, обладающих знаниями и компетенциями в области кибернетики, информационной и финансовой безопасности для решения задач разработки базового программного обеспечения, повышения защищенности критически важных информационных систем и противодействия отмыванию денег, полученных преступным путем, и финансированию терроризма.
Выпуск журнала
Аннотация
We propose a unified uncertainty quantification framework for network intrusion detection systems (NIDS) across heterogeneous environments. The system employs (i) hierarchical Gaussian processes (HGP) with adversarially-robust inducing points for cloud datasets and (ii) stochastic Probably Approximately Correct (PAC)-Bayesian transformers for general NIDS datasets. Both pipelines sustain >94% accuracy under adversarial attacks, and provide epistemic uncertainty for risk-based triage.
Описание
Ключевые слова
Цитирование
Anaedevha R. N. HIERARCHICAL GAUSSIAN PROCESSES AND STOCHASTIC PAC-BAYESIAN TRANSFORMERS FOR UNCERTAINTY- CALIBRATED INTRUSION DETECTION ACROSS CLOUD AND ENTERPRISE NETWORKS / Anaedevha R. N., Trofimov A. G. // Кибернетика и информационная безопасность "КИБ-2025". Сборник научных трудов.Т.2 - 2025. - С. 44-45
URI
https://openrepository.mephi.ru/handle/123456789/42502
Коллекции
КИБ-2025