生成对抗网络研究综述

摘要：北京航空航天大学网络空间安全学院教学团队在长期的网络空间安全人才培养实践中，瞄准网络空间安全学科及相关专业人才培养的知识目标、能力目标及素质目标，针对学生的知识特点、思维特点和心理特点，提出“精教学，强实践，优考核，丰资源”的教学创新理念。教学团队将思政教育、科教融合、启发式教学、研讨式教学、案例教学有机融合，凝练提出了 PRIDE 教学模式，并在“信息网络安全”“现代密码学”等核心专业课的教学中广泛应用，取得了显著的教学成果。通过践行 PRIDE 教学模式，也建立起一支政治素质高、教学能力强的高水平教学团队。

关键词:  网络空间安全 ; 人才培养 ; 教学创新 ; PRIDE教学模式

1 引言

近年来，随着人工智能的蓬勃发展，用于解决人工智能问题的神经网络生成算法成为研究热点。生成模型学习样本概率分布，并从分布中生成新的数据，以此衡量研究者对于高维概率分布的操控能力。此类模型可用于数据增强、图像翻译等领域。传统生成模型通常基于马尔可夫链、最大似然及近似推理，其代表模型有 RBM （restricted Boltzmann machines）及其衍生模型如DBN（deep belief network）、DBM（deep Boltzmann machines）、VAE（variational au-to-encoder）等，此类方法计算复杂且生成效果有限。

2014年，Goodfellow等提出了基于博弈论的生成模型——生成对抗网络（GAN，generative adversarial network），它使用两个神经网络进行对抗训练，通过反向传播更新网络权值，易于计算且效果显著