基于GAN的入侵检测系统对抗样本生成模型

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。