买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：长春大学

摘要：一种对抗攻击样本生成方法。属于网络安全技术领域，具体涉及网络入侵检测技术领域。利用自主设计的改进的WassersteinGAN网络来学习良性流量的特征，从而用来伪装恶意流量生成对抗攻击样本，从而利用所述对抗攻击样本更好的测试以及升级基于机器学习的入侵检测系统，所述改进的WassersteinGAN网络在WassersteinGAN网络中引入多生成器结构，且在生成器损失函数中添加失真率。本发明所述方法应用场景更加广泛，它可以在不知道目标模型详细信息的情况下生成对抗性网络流量，这样使生成的对抗攻击样本符合实际的攻击场景，从而能够更加精确的提升入侵检测系统的性能。

主权项：1.一种对抗攻击样本生成方法，其特征在于，所述方法包括如下步骤：S1、获取流量样本集并进行预处理，将处理后的数据分为正常流量样本集和恶意流量样本集；S2、将正常流量样本集中的数据输入到改进的WassersteinGAN网络中，使用改进的WassersteinGAN学习正常流量样本的特征；所述改进的WassersteinGAN网络在WassersteinGAN网络中引入多生成器结构，且在生成器损失函数中添加失真率；在改进的WassersteinGAN网络中，根据输入数据的具体类别个数设定生成器个数；在改进的WassersteinGAN网络中，生成器和判别器的损失函数公式如下： ； ；其中，LG表示生成器的损失函数，LD表示判别器的损失函数，Pr是数据集给定的真实数据分布，Pg是改进的WassersteinGAN网络的生成器分布，N为总样本数，i表示该条数据的第i个特征，表示从生成分布Pg中采样的期望值，表示从真实数据分布Pr中采样的期望值，表示判别器的输出，输出的结果为数据的真假，真实为0表示通过，虚假为1表示未通过；S3、将恶意流量样本集中的数据按照所属类别分别输入改进的WassersteinGAN网络中，利用改进的WassersteinGAN网络学习到的正常流量样本特征对恶意流量样本数据进行伪装后生成的数据即为对抗攻击样本；S4、将生成的对抗攻击样本输入改进的WassersteinGAN网络中的判别器进行判别，如果被判别为正常流量样本，则证明生成的对抗攻击样本符合要求。

全文数据：

权利要求：

百度查询： 长春大学 一种对抗攻击样本生成方法