基于GAN的入侵檢測(cè)系統(tǒng)對(duì)抗樣本生成模型

摘要： 隨著人工智能技術(shù)的興起，基于深度學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)已廣泛應(yīng)用，但神經(jīng)網(wǎng)絡(luò)模型很容易受到對(duì)抗擾動(dòng)的影響。攻擊者通過(guò)在網(wǎng)絡(luò)流量中添加微小的擾動(dòng)來(lái)構(gòu)建對(duì)抗樣本，使得入侵檢測(cè)系統(tǒng)對(duì)其錯(cuò)誤分類(lèi)。論文基于GAN進(jìn)行設(shè)計(jì)與改進(jìn)，提出了一種對(duì)抗樣本生成模型AdvWGAN,該模型針對(duì)惡意流量生成滿足網(wǎng)絡(luò)流量特性的對(duì)抗性惡意流量，并對(duì)黑盒入侵檢測(cè)系統(tǒng)進(jìn)行對(duì)抗攻擊。實(shí)驗(yàn)表明：AdvWGAN能夠在...