文章详情
| 稿件标题： | 基于GAN的入侵检测系统对抗样本生成模型 |
| 稿件作者： | 刘海燕1,吕涵1,2 |
| DOI： | 10.11809/bqzbgcxb2023.06.027 |
| 科学编辑： | 陶新民 博士（东北林业大学教授、博导） |
| 栏目名称： | 装备理论与装备技术 |
| 关键词： | 入侵检测系统；生成对抗网络；对抗样本；深度学习；黑盒攻击；特征约束 |
| 文章摘要： | 随着人工智能技术的兴起，基于深度学习的网络入侵检测系统已广泛应用，但神经网络模型很容易受到对抗扰动的影响。攻击者通过在网络流量中添加微小的扰动来构建对抗样本，使得入侵检测系统对其错误分类。论文基于GAN进行设计与改进，提出了一种对抗样本生成模型AdvWGAN，该模型针对恶意流量生成满足网络流量特性的对抗性恶意流量，并对黑盒入侵检测系统进行对抗攻击。实验表明:AdvWGAN能够在保证网络流量真实有效的前提下实现对深度学习入侵检测模型的有效黑盒攻击。 |
| 引用本文格式： | 刘海燕,吕涵.基于GAN的入侵检测系统对抗样本生成模型［J］.兵器装备工程学报，2023，44(6)：191-195. LIU Haiyan, LYU Han.An adversarial sample generation model for the intrusion detection system based on Generative Adversarial Networks［J］.Journal of Ordnance Equipment Engineering，2023，44(6)：191-195. |
| 刊期名称： | 2023年06期 |
| 出版时间： | 2023年6月 |
| 上线时间： | 2023年6月28日 |
| 浏览次数： | 1738 |
| 下载次数： | 40 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |