龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：中国电子科技集团公司第五十四研究所
摘要：本发明公开了一种基于对抗样本的网络欺骗流量生成方法，涉及网络安全领域，从防御者的角度，针对攻击者基于深度学习模型发起流量分类攻击中，由于不知道攻击者所使用的深度学习模型，而无法进行有效防御的问题。通过在正常网络流量中添加微小扰动，利用迁移学习攻击算法的思想，使用集成学习的方法生成网络欺骗流量对抗样本，达到在不知道攻击者所用模型参数信息的情况下，使攻击者在实施以深度学习为基础的流量分类攻击时出现分类错误的目的，具有广阔的应用前景。
主权项：1.一种基于对抗样本的网络欺骗流量生成方法，其特征在于，包括以下步骤：步骤1：对流量进行特征提取，提取后数据形式为1×248的一维数列；步骤2：对提取到的特征信息进行归一化处理；步骤3：对归一化后的1×248的数列在后端进行补0操作，扩充为1×256的一维数列；步骤4将扩充后的1×256的一位数组按行读取，转换为16×16的数组；步骤5：将16×16的数组每个特征对应一个灰度值，转化为灰度图片；步骤6：构建多种网络攻击模型，利用灰度图片分别对网络攻击模型进行训练，测试正常流量的准确率；步骤7：使用集成学习的方式利用多种网络攻击模型生成对抗样本，并将对抗样本可视化；假设构造模型有k个，针对k个模型进行白盒攻击这k个模型的softmax层输出分别为j1…jk，原始图像为x，原始图像标签为y，定向攻击的分类目标为对抗样本为集成学习模型可以表示为： 式中，∝i为集成学习参数，并且有则生成对抗样本的问题被转化为一个损失函数的优化问题： 式中，为各模型识别为时的损失函数，为输入对抗样本时第i个模型的softmax层的输出值，λ为扰动系数，为添加的扰动量大小，x为原始样本，为输入的对抗样本，N为图像像素数；因此损失函数由各个模型分类结果与定向攻击分类标签的差异和扰动量大小两部分组成；步骤8：选择一种网络攻击模型测试生成的对抗样本是否满足要求，若不满足则重复步骤6，直至生成的对抗样本达到要求，并将对抗样本转换为流量，否则直接将对抗样本转换为流量。
全文数据：
权利要求：
百度查询： 中国电子科技集团公司第五十四研究所 一种基于对抗样本的网络欺骗流量生成方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号