第４４卷第６期兵器装备工程学报２０２３年６月收稿日期:２０２２－０９－０５ꎻ修回日期:２０２２－１０－１４作者简介:刘海燕(１９７０—)ꎬ女ꎬ博士ꎬ教授ꎬ主要从事网络信息安全和信息通信研究ꎮ通信作者:吕涵(１９９３—)ꎬ女ꎬ硕士ꎬ主要从事信息安全与对抗技术研究ꎬＥ￣ｍａｉｌ:６０５２０２２２０＠ｑｑ.ｃｏｍꎮｄｏｉ:１０.１１８０９/ｂｑｚｂｇｃｘｂ２０２３.０６.０２７基于ＧＡＮ的入侵检测系统对抗样本生成模型刘海燕１ꎬ吕涵１ꎬ２(１.陆军装甲兵学院ꎬ北京１０００７２ꎻ２.中国人民解放军９４４５２部队ꎬ河南平顶山４６７３３１)摘要:随着人工智能技术的兴起ꎬ基于深度学习的网络入侵检测系统已广泛应用ꎬ但神经网络模型很容易受到对抗扰动的影响ꎮ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ꎬ使得入侵检测系统对其错误分类ꎮ论文基于ＧＡＮ进行设计与改进ꎬ提出了一种对抗样本生成模型ＡｄｖＷＧＡＮꎬ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ꎬ并对黑盒入侵检测系统进行对抗攻击ꎮ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ꎮ关键词:入侵检测系统ꎻ生成对抗网络ꎻ对抗样本ꎻ深度学习ꎻ黑盒攻击ꎻ特征约束本文引用格式:刘海燕ꎬ吕涵.基于ＧＡＮ的入侵检测系统对抗样本生成模型[Ｊ].兵器装备工程学报ꎬ２０２３ꎬ４４(６):１９１－１９５.Ｃｉｔａｔｉｏｎｆｏｒｍａｔ:ＬＩＵＨａｉｙａｎꎬＬＹＵＨａｎ.ＡｎａｄｖｅｒｓａｒｉａｌｓａｍｐｌｅｇｅｎｅｒａｔｉｏｎｍｏｄｅｌｆｏｒｔｈｅｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎＧｅｎｅｒａｔｉｖｅＡｄｖｅｒｓａｒｉａｌＮｅｔｗｏｒｋｓ[Ｊ].ＪｏｕｒｎａｌｏｆＯｒｄｎａｎｃｅＥｑｕｉｐｍｅｎｔＥｎｇｉｎｅｅｒｉｎｇꎬ２０２３ꎬ４４(６):１９１－１９５.中图分类号:ＴＰ３９３文献标识码:Ａ文章编号:２０９６－２３０４(２０２３)０６－０１９１－０５ＡｎａｄｖｅｒｓａｒｉａｌｓａｍｐｌｅｇｅｎｅｒａｔｉｏｎｍｏｄｅｌｆｏｒｔｈｅｉｎｔｒｕｓｉｏｎｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎＧｅｎｅｒａｔｉｖｅＡｄｖｅｒｓａｒｉａｌＮｅｔｗｏｒｋｓＬＩＵＨａｉｙａｎ１ꎬＬＹＵＨａｎ１ꎬ２(１.ＡｒｍｙＡｃａｄｅｍｙｏｆＡ...
