来源：期刊VIP网 时间：
作者：杨鹏;郭思莹;
单位：北方民族大学计算机科学与工程学院;
摘要：为精准、自动辨识网络欺骗攻击模式，提升网络传输安全性，提出基于对抗性机器学习的网络欺骗攻击模式辨识方法。该方法提取可描述网络流量的行为模式、分布状况以及流量间相互关系的网络流表特征集，将其输入生成对抗网络中进行训练，构建网络欺骗攻击模式辨识模型；生成器在损失函数的指导下生成接近真实样本的数据集，再将其输入判别器中；判别器采用多层结构设计，将各个判别器的输出结果进行整合后获取其平均值作为最后的判断依据，结合权重矩阵对该结果进行投票，输出网络欺骗攻击模式辨识结果。测试结果显示，该方法能够可靠提取网络流表特征，各个网络欺骗攻击类别的平均绝对误差百分比结果均在0.014 0以下，最小结果仅为0.005 8，效果良好。
关键词：对抗性机器学习;;网络欺骗;;攻击模式辨识;;生成器;;判别器;;网络流表特征
基金资助：宁夏自然科学基金资助项目（2023AAC03310）;; 北方民族大学人才引进科研项目（2023QNPY06）
