基于后门攻击的恶意流量逃逸方法OA北大核心CSTPCD
Escape method of malicious traffic based on backdoor attack
针对基于深度学习模型的流量分类器,提出了一种利用后门攻击实现恶意流量逃逸的方法.通过在训练过程添加毒化数据将后门植入模型,后门模型将带有后门触发器的恶意流量判定为良性,从而实现恶意流量逃逸;同时对不含触发器的干净流量正常判定,保证了模型后门的隐蔽性.采用多种触发器分别生成不同后门模型,比较了多种恶意流量对不同后门模型的逃逸效果,同时分析了不同后门对模型性能的影响.实验验证了所提方法的有效性,为恶意流量逃逸提供了新的思路.
Launching backdoor attacks against deep learning(DL)-based network traffic classifiers,and a method of ma-licious traffic escape was proposed based on the backdoor attack.Backdoors were embedded in classifiers by mixing poi-soned training samples with clean samples during the training process.These backdoor classifiers then identified the ma-licious traffic with an attacker-specific backdoor trigger as benign,allowing the malicious traffic to escape.Addition…查看全部>>
马博文;郭渊博;马骏;张琦;方晨
信息工程大学密码工程学院,河南 郑州 450001信息工程大学密码工程学院,河南 郑州 450001信息工程大学密码工程学院,河南 郑州 450001信息工程大学密码工程学院,河南 郑州 450001信息工程大学密码工程学院,河南 郑州 450001
计算机与自动化
后门攻击恶意流量逃逸深度学习网络流量分类
backdoor attackescape of malicious trafficdeep learningnetwork traffic classification
《通信学报》 2024 (4)
73-83,11
国家自然科学基金资助项目(No.62276091)国家社会科学基金资助项目(No.2022-SKJJ-B-057)The National Natural Science Foundation of China(No.62276091),The National Social Science Fund of China(No.2022-SKJJ-B-057)
评论