Adversarial RL for Port-Scan Evasion: Attacker Feature Visibility in Edge-Deployed IDS

arXiv cs.CR · 8 oct, 06:00

Un estudio académico investiga cómo los adversarios pueden evadir sistemas de detección de intrusiones (IDS) basados en aprendizaje automático mediante refuerzo adversarial. Los investigadores entrenan agentes de Deep Q-Network para aprender combinaciones de evasión contra modelos IDS desplegados en Raspberry Pi, demostrando tasas de evasión del 61,9% al 98,3% dependiendo del nivel de visibilidad de características del atacante. Los resultados muestran que incluso con acceso limitado a características, los adversarios adaptativos pueden eludir eficazmente defensas estáticas en entornos IoT edge.