ML辅助网络自动化系统的对抗样本攻击方法
潘小琴1
尹慧2
蔡熠2
段康容1
1.西南科技大学工程技术中心 绵阳 6210102.中国船舶集团有限公司第七二二研究所 武汉 430205
摘要：针对网络自动化系统中用于异常检测的基于机器学习(Machine Learning,ML)的分类器,提出了一种黑盒对抗样本攻击方法来误导分类器输出错误的分类结果.首先,设计了一种对抗样本生成算法来人工合成替代分类器的训练数据集,算法不仅基于一组仅包含"正常"类型的合法遥测数据生成涵盖所有异常类型的合成数据,而且标记数据时还最小化对目标分类器的查询次数.然后,利用对抗样本去攻击了系统中基于ML的分类器,分析了对抗样本给分类器性能带来的影响,并将结果推广到不同结构的ML模型.最后,利用从真实的IP-over-EON多层网络测试平台采集的遥测数据进行了仿真实验,实验结果验证了该方法的有效性.
关键词：网络自动化黑盒攻击机器学习异常检测对抗样本
分类号：TP301.6(计算技术、计算机技术)
资助基金：西南科技大学博士基金项目(23zx7123)
论文发表日期：2023-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 2821-2826,2858 )
英文信息