SuperviZ @ESORICS 2026
Publié le
Crédits : PEPR Cybersécurité
Un article du projet SuperviZ, accepté à ESORICS 2026, montre que les détecteurs d’intrusion fondés sur des réseaux de neurones sur graphes (GNN) peuvent être trompés par l’ajout de quelques connexions d’apparence bénigne.
L’article « Breaking GNN-based NIDS via Hard-Label Black-Box Flow Injection Attacks », issu du projet SuperviZ du PEPR Cybersécurité, a été accepté à ESORICS 2026, la principale conférence européenne en sécurité informatique. Ces travaux ont été menés par Matthieu Mouzaoui, doctorant à Inria Rennes (équipe PIRAT), avec Yufei Han et Michel Hurfin (Inria), Grégory Blanc (Télécom SudParis) et Gabriel Rilling (CEA List).
Bien que les systèmes de détection d’intrusion réseau (NIDS) fondés sur des réseaux de neurones sur graphes (GNN) excellent dans leur tâche en exploitant la structure du trafic, cette dépendance structurelle introduit également de nouvelles vulnérabilités face à des attaques adversariales.
Les attaques existantes contre ces systèmes restent souvent irréalistes. Elles supposent un accès complet au modèle, exigent un très grand nombre d’essais ou altèrent le trafic malveillant au point de le rendre inopérant. Les auteurs proposent FIGA, une attaque qui ne modifie pas le trafic malveillant. Elle ajoute seulement quelques connexions d’apparence légitime, qui noient le signal malveillant aux yeux du détecteur. L’attaquant n’observe que la décision finale (alerte ou non). Il entraîne hors ligne un modèle substitut du détecteur et y calcule les injections les plus efficaces, ce qui limite fortement ses interactions avec le système visé. Des garanties théoriques encadrent de plus l’efficacité de la méthode.
Sur deux jeux de données de référence, FIGA contourne la détection dans 94 % des cas en moyenne, alors que les méthodes existantes échouent totalement. Ces travaux montrent que la capacité des GNN à exploiter le contexte du trafic qui fait leur force constitue également leur point faible.
[Matthieu Mouzaoui, Yufei Han, Gregory Blanc, Gabriel Rilling, Michel Hurfin. Breaking GNN-based NIDS via Hard-Label Black-Box Flow Injection Attacks. ESORICS 2026 – 31st European Symposium on Research in Computer Security, Sep 2026, Rome, Italy. ](https://hal.science/hal-05712664)
Autres Événements
