敌对攻击环境下基于移动目标防御的算法稳健性增强方法

• 作者: 何康 刘彬 刘龙 祝跃飞 芦斌
• 来源期刊: 网络与信息安全学报
• 学科: 工学
• 关键词: 机器学习 算法稳健性 移动目标防御 动态变换
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 67-76
• 页数: 10页
• 分类号: TP301.6
• 字数: 8739字
• 语种: 中文
• DOI: 10.11959/j.issn.2096-109x.2020052

摘要

传统的机器学习模型工作在良性环境中,通常假设训练数据和测试数据是同分布的,但在恶意文档检测等领域该假设被打破.敌人通过修改测试样本对分类算法展开攻击,使精巧构造的恶意样本能够逃过机器学习算法的检测.为了提高机器学习算法的安全性,提出了基于移动目标防御技术的算法稳健性增强方法.实验证明,该方法通过在算法模型、特征选择、结果输出等阶段的动态变换,能够有效抵御攻击者对检测算法的逃逸攻击.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	祝跃飞	信息工程大学网络空间安全学院	80	379	10.0	14.0
3	刘彬		7	17	3.0	4.0
6	芦斌	信息工程大学网络空间安全学院	12	65	4.0	8.0
8	刘龙	信息工程大学网络空间安全学院	6	32	2.0	5.0
10	何康	信息工程大学网络空间安全学院	3	1	1.0	1.0