一种基于生成式对抗网络的入侵检测系统攻击方法

摘要：

基于深度学习的入侵检测系统能够进行流量特征分析来监测网络异常,并采取相应措施应对攻击.现有的相关攻击方案,依赖模型训练时对训练数据集的修改,可操作性较低.生成式对抗网络能够生成特定攻击样本,在应对其检测时,误导检测将其划定为正常网络行为的数据.通过构造一个能够将生成流量非攻击特征和攻击流量攻击特征结合的转换器,确保攻击样本具备攻击能力,攻击与非攻击特征的划分使用随机森林的特征选择作为依据.该方法能够绕开深度信念网络入侵检测系统的检测,形成有效的攻击.

关键词：入侵检测系统、深度信念网络、GAN、随机森林算法、特征分类

分类号：TP393.08;TP183(计算技术、计算机技术)

在线出版日期：2022-09-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：80-83