基于生成对抗网络的工控协议模糊测试研究OA
Research on fuzzing of industrial control protocol based on generative adversarial network
传统模糊测试依赖专家经验和协议规范,基于神经网络的方法受限于训练数据质量和模型结构,面对不同的ICPs(Industrial Control Protocols)有效性差,缺乏通用有效的模糊测试方法.针对上述问题,提出一种基于WGAN-GP(Wasserstein Generative Adversarial Network with Gradient Penalty)的ICP模糊测试方法,结合统计语言模型N-gram修正训练结果,并构建了面向多…查看全部>>
Traditional fuzzing relies on expert knowledge and protocol specifications,while neural network-based methods are constrained by the quality of training data and model structure.These methods exhibit poor effectiveness across different Industrial Control Protocols(ICPs)and lack a universal and efficient fuzzing approach.To address these issues,this paper proposes an ICP fuzzing method based on Wasserstein Generative Adversarial Network with Gradient Penalty(…查看全部>>
宗学军;隋一凡;王国刚;宁博伟;何戡;连莲;孙逸菲
沈阳化工大学 信息工程学院,辽宁 沈阳 110142||辽宁省石油化工行业信息安全重点实验室,辽宁 沈阳 110142沈阳化工大学 信息工程学院,辽宁 沈阳 110142||辽宁省石油化工行业信息安全重点实验室,辽宁 沈阳 110142沈阳化工大学 信息工程学院,辽宁 沈阳 110142||辽宁省石油化工行业信息安全重点实验室,辽宁 沈阳 110142辽宁省石油化工行业信息安全重点实验室,辽宁 沈阳 110142||沈阳工业大学 人工智能学院,辽宁 沈阳 110870沈阳化工大学 信息工程学院,辽宁 沈阳 110142||辽宁省石油化工行业信息安全重点实验室,辽宁 沈阳 110142沈阳化工大学 信息工程学院,辽宁 沈阳 110142||辽宁省石油化工行业信息安全重点实验室,辽宁 沈阳 110142沈阳化工大学 信息工程学院,辽宁 沈阳 110142||辽宁省石油化工行业信息安全重点实验室,辽宁 沈阳 110142
计算机与自动化
漏洞挖掘模糊测试工业控制协议生成对抗网络
vulnerability miningfuzzingindustrial control protocolgenerative adversarial networks
《网络安全与数据治理》 2024 (7)
13-20,8
辽宁省自然科学基金项目(2023-MSLH-273)辽宁省科学技术计划项目(2023JH1/10400082)辽宁省人工智能创新发展计划项目(2023JH26/1030008)辽宁省科技创新平台建设计划项目([2022]36号)
评论