Allineamento cross-modale guidato dall’incertezza per il rilevamento di intrusioni IoT basato su modelli di diffusione

Abstract degli autori

I modelli di diffusione fanno evolvere stati rumorosi verso una distribuzione dei dati appresa, perciò il loro comportamento in fase di campionamento dipende dalla geometria della rappresentazione in cui avviene la rimozione del rumore. Questa dipendenza è particolarmente importante per i dati multimodali: encoder addestrati in modo indipendente possono mappare viste sincronizzate in regioni latenti incompatibili, mentre un allineamento uniforme può permettere a una vista incerta di distorcere la geometria condivisa. Per colmare questa lacuna, introduciamo una nuova regola di allineamento guidata dall’affidabilità, che usa la varianza normalizzata della distribuzione a posteriori della VAE per controllare l’influenza cross-modale direzionale prima dell’addestramento del modello di diffusione. Studiamo questo problema nella generazione di attacchi della classe minoritaria per il rilevamento di intrusioni nell’Internet delle cose con classi sbilanciate. Gli attributi tabulari dei flussi, un’immagine DeepInsight e una sequenza di pacchetti vengono codificati da autoencoder variazionali specifici per ciascuna modalità. Le varianze normalizzate della distribuzione a posteriori della VAE per ciascuna modalità forniscono segnali di ponderazione limitati e specifici per campione in un obiettivo asimmetrico di allineamento con stop-gradient. Usiamo queste quantità come indicatori euristici di affidabilità ricavati dagli encoder, anziché come incertezze probabilistiche calibrate. Le medie latenti complete specifiche per ciascuna modalità, ottenute dopo il fine-tuning dell’allineamento, vengono standardizzate e modellate congiuntamente mediante un EDM condizionato alla classe; un campionatore del secondo ordine genera quindi blocchi latenti appaiati e condizionati agli attacchi per i tre decoder. In esperimenti controllati su TON-IoT, l’allineamento consapevole dell’incertezza ottiene i valori medi più alti di precisione, richiamo, densità e copertura fra tre varianti di diffusione. L’aumento dei soli dati della partizione di addestramento produce ROC-AUC pari a 0,9515, PR-AUC pari a 0,8954, accuratezza bilanciata pari a 0,8395 e F1 della classe degli attacchi pari a 0,7940 su un insieme di test reale e lasciato intatto. Fra le due varianti con lo stesso fine-tuning dell’allineamento, la ponderazione basata sulla varianza a posteriori migliora sia la fedeltà generativa tabulare sia il rilevamento a valle rispetto alla ponderazione uniforme.