基于生成对抗网络的恶意网络流生成及验证

• 作者: 林家骏 潘一鸣
• 来源期刊: 华东理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 生成对抗网络 网络攻击 对抗样本
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 信息科学与工程
• 页码范围: 344-350
• 页数: 7页
• 分类号: TP391
• 字数: 7535字
• 语种: 中文
• DOI: 10.14135/j.cnki.1006-3080.20180313003

摘要

针对基于深度学习的分类器面对对抗样本时缺乏稳定性的问题,基于生成对抗网络(GAN)提出了一种新的模型,用于生成对抗样本.该模型首次实现了直接以恶意网络流为原始样本的对抗样本生成,并首次提出了弱相关位的概念,用于保证恶意网络流对抗样本的可执行性和攻击性.利用该模型生成的对抗样本能够有效地欺骗基于深度学习的网络安全检测器,且通过实验验证了该对抗样本具有实际攻击效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林家骏	华东理工大学信息科学与工程学院	171	1083	15.0	26.0
2	潘一鸣	华东理工大学信息科学与工程学院	1	3	1.0	1.0