【笔记】Malicious Traffic Detection Model Refactor Method Based on Adaptive Sample Generation
机器学习广泛应用在恶意流量检测领域,模型安全正成为一个重要的研究课题。针对模型重构攻击方法需要大量目标先验知识、依赖大量真实的数据、使用范围较窄等问题,提出了一种基于自适应样本生成的模型重构方法。通过一种基于图检索的自适应样本生成算法,利用商量真实的样本快速生成均匀分布在输入域的生成样本。根据目标模型的的决策对重构模型的边界进行修正,结合网络流量特征方法和模型超参数优化方法对重构模型进行迭代训练,最终实现模型重构攻击。针对5个恶意流量检测机器学习模型的重构攻击实验表明,重构后模型的重构率和准确率随着迭代轮次
原创
2023-10-10 11:27:31 ·
161 阅读 ·
1 评论