基于GAN的网络流量对抗样本生成技术-张荣倩.pdf

BeijingForestStudio

ThenameoftheDepartment

北京理工大学信息系统及安全对抗实验中心

部门名称

基于GAN的网络流量对抗样本生成技术

张荣倩

导师：张笈

2021年1月10日

内容提要

•背景简介

•基本概念

•算法原理

•优劣分析

•应用总结

•参考文献

2

预期收获

•预期收获

–1.了解入侵检测面临的安全问题

–2.了解基于GAN的网络流量对抗样本生成方法

–3.了解生成对抗网络在网络安全领域内的应用

3

背景介绍

•入侵

–由内部或外部入侵者执行的一系列恶意行为，旨在破坏目标系统

•入侵检测

–监视计算机系统和网络流量，并分析活动以检测针对系统的可能入侵

4

背景介绍

•入侵检测系统(IDS)

–用于检测以系统为目标的内部入侵和外部入侵，识别潜在入侵和可疑活动异常

–检测方法

•误用检测：预定义恶意活动检测恶意行为（仅适用于检测已知攻击）

•异常检测：定义正常模式并根据与正常模式的偏差识别恶意活动

•混合技术：混合利用误用检测和异常检测

•传统的入侵检测系统(IDS)使用误用检测和异常检测技术检测异常行为

•随着机器学习广泛应用于入侵检测，IDS的检测速度和准确性得到进一步提升

5

背景介绍

•安全问题

–基于机器学习的检测技术存在安全隐患，对抗攻击严重威胁计算机系统和网络的

安全

–基于网络的入侵检测系统缺少可靠的训练数据集

•解决方案

–构造强鲁棒性的入侵检测系统

–生成可靠的网络流量数据，用于训练提升IDS的鲁棒性

–生成对抗IDS的恶意网络流量数据，用于评估IDS的性能

6

基本概念

基本概念

基本概念

•网络流量数据

–分类

•基于包（包含完整的有效负载的信息）

–格式：pcap（数据报存储格式）

–数据集：CICIDS2017

•基于流（只包含网络连接的元数据）

–五元组：源IP地址、源端口、目标IP地址、目标端口、传输协议

–单向流、双向流

–数据集：CIDDS-001

•混合数据

–既不是纯基于包也不是纯基于流的数据集

–数据集：KDDCUP1999