[发明专利]一种基于对抗样本的网络欺骗流量生成方法

权利要求书

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；

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。

2.根据权利要求1所述的基于对抗样本的网络欺骗流量生成方法，其特征在于，步骤6)中，训练所用数据集为moore数据集；构建和训练的模型有五种，分别为ResNet-152、ResNet-101、ResNet-50、VGG-16和GoogLeNet。

3.根据权利要求1所述的基于图割的多路径高性能动态选择方法，其特征在于，步骤7)中，使用ResNet-152、ResNet-101、ResNet-50、VGG-16和GoogLeNet中的四种模型进行集成学习生成对抗样本，剩下的一种模型被攻击。

4.根据权利要求3所述的基于图割的多路径高性能动态选择方法，其特征在于，步骤7)中，使用无定向的FGSM算法在集成学习的四种模型上生成对抗样本，对另一种模型进行攻击。