一种针对基于SVM入侵检测系统的毒性攻击方法

• 作者: 卢红波 吴淑慧 周武杰 纪守领 钱亚冠 陶祥兴 雷景生
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 机器学习 支持向量机 入侵检测 毒性攻击 双层优化
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 59-65
• 页数: 7页
• 分类号: TP309.2
• 字数: 5707字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2019.01.008

摘要

在机器学习被广泛应用的背景下,本文提出一种针对基于SVM(Support Vector Machine)入侵检测系统的新颖攻击方法——毒性攻击.该方法通过篡改训练数据,进而误导SVM的机器学习过程,降低入侵检测系统的分类模型对攻击流量的识别率.本文把这种攻击建模为最优化问题,利用数值方法得到攻击样本.通过包含多种攻击类型的NSL-KDD数据集进行实验,从攻击流量的召回率和精度这两个指标对攻击效果进行评估,与已有方法相比,实验结果表明本文方法可更有效地降低入侵检测系统的识别率.本文希望通过该研究进一步认识针对机器学习的新颖攻击,为下一步研究对应的防御机制提供研究基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周武杰	浙江科技学院信息与电子工程学院	19	46	3.0	6.0
2	纪守领	浙江大学计算机学院	4	25	2.0	4.0