-
题名基于通用扰动的对抗网络流量生成方法
被引量：1
- 1
-
-
作者
丁瑞阳
孙磊
戴乐育
臧韦菲
徐八一
-
机构
信息工程大学密码工程学院
郑州大学网络空间安全学院
-
出处
《计算机科学》
北大核心
2025年第2期336-343,共8页
-
文摘
人工智能技术在网络流量分类领域表现出了巨大潜力,对网络空间安全的战略格局产生了深刻影响。但也有研究发现,深度学习模型有着严重的脆弱性,针对该脆弱性衍生的对抗样本可以大幅度降低模型检测的正确率。目前对抗样本在图像分类领域得到了广泛深入的研究,在网络流量分类领域还处于发展阶段。现有的对抗网络流量技术仅对特定样本有效,并且时间开销较大、实用性低。为此,提出了基于通用扰动的对抗网络流量生成方法,其利用空间特征分布的性质寻找通用扰动向量,将该扰动添加到正常流量生成对抗网络流量,令网络流量分类器以高概率检测错误。在Moore和ISCX2016数据集上与现有方法进行了实验测试。结果表明,同等条件下,该方法生成对抗网络流量攻击分类器时对Moore和ISCX2016数据集内样本均有效,成功率高达80%以上;并且可以有效攻击不同的分类器,具有模型迁移性效果;同时实现了对抗网络流量的快速生成,平均生成时间开销低于1 ms,效率远优于现有方法。
-
关键词
深度学习
网络流量分类
对抗网络流量
通用扰动
-
Keywords
Deep learning
Network traffic classification
Adversarial network traffic
Universal perturbations
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于GAN的对抗网络流量生成研究
- 2
-
-
作者
杨琳
林宏刚
-
机构
成都信息工程大学网络空间安全学院(芯谷产业学院)
先进密码技术与系统安全四川省重点实验室
-
出处
《计算机科学》
北大核心
2025年第S2期862-870,共9页
-
基金
国家242信息安全计划项目(2021-037)
四川省自然科学基金项目(2024NSFSC0515)。
-
文摘
对抗网络流量在设备隐私保护和网络安全等领域扮演着重要角色,然而目前对抗网络流量生成方法缺乏对质量的约束,导致生成的流量偏离原始流量特性,在实际应用中丧失其对抗能力。因此,提出一种基于GAN的对抗网络流量生成方法,改进生成器设计,以卷积神经网络提取原始流量特征的抽象表示,经基础迭代算法生成扰动,确保扰动保持原始流量的特性;优化生成器损失函数,实现生成流量与原始流量之间的最小差异;引入干扰器模块,利用网格搜索算法为扰动分配权重并优选参数组合,保证生成流量的多样性。为了综合考虑特征空间距离差异与相对变化速率对生成质量的影响,提出相对差异扰动量指标,能更准确地评估对抗网络流量与原始流量之间的差异。实验结果表明,在有效扰动范围内,相较于其他方法,该方法生成的对抗网络流量对目标分类模型保持高欺骗率的同时,产生的L∞扰动量与相对差异扰动量均更小,与原始流量的相似性更高,有效提高了对抗网络流量的生成质量。
-
关键词
生成对抗网络
对抗网络流量
相对差异扰动
相似性保持目标函数
生成质量控制
-
Keywords
Generative adversarial network
Adversarial network traffic
Relative differential disturbance
Similarity preservation objective function
Generative quality control
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
