兵器装备工程学报2023，Vol.44Issue(6) ：191-195.DOI:10.11809/bqzbgcxb2023.06.027

基于GAN的入侵检测系统对抗样本生成模型

An adversarial sample generation model for the intrusion detection system based on Generative Adversarial Networks

刘海燕 吕涵
兵器装备工程学报2023，Vol.44Issue(6) ：191-195.DOI:10.11809/bqzbgcxb2023.06.027
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于GAN的入侵检测系统对抗样本生成模型

An adversarial sample generation model for the intrusion detection system based on Generative Adversarial Networks

刘海燕 1吕涵2
扫码查看

作者信息

  • 1. 陆军装甲兵学院,北京 100072
  • 2. 陆军装甲兵学院,北京 100072;中国人民解放军94452部队,河南平顶山 467331
  • 折叠

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.

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

引用本文复制引用

出版年

2023
兵器装备工程学报
重庆市（四川省）兵工学会 重庆理工大学

兵器装备工程学报

CSTPCDCSCD北大核心
影响因子：0.478
ISSN：2096-2304
参考文献量1
段落导航相关论文