文件大小：1.06M
摘要：对抗攻击对基于深度学习的入侵检测模型具有很大的欺骗性从而影响检测性能。为抵御对抗性攻击，本文构建了基于生成对抗网络的IWSN入侵检测模型。采用FGSM、BIM、PGD三种对抗算法快速构造对抗样本，利用生成对抗网络对三类对抗样本进行集成式训练，以生成新的对抗样本；引入Wasserstein距离和梯度惩罚约束，解决生成对抗网络模式崩坏的问题；进一步通过多层感知器实现攻击检测。采用工业天然气管道数据集，运用tensorflow2框架以及pycharm软件工具，验证检测模型的有效性。实验结果显示，本文模型检测入侵的性能优于FGSM、BIM、PGD、集合的对抗训练防御方法，且有效防御对抗攻击。
文章目录
1 抵御对抗攻击检测模型总体构架
2基于改进生成对抗网络的对抗样本生成
2.1对抗算法构造对抗样本
2.2 生成对抗网络生成对抗样本
2.2.1 目标函数建模
2.2.2分布距离衡量
2.2.3目标函数优化
2.2.4 WGAN-GP参数调整
3基于深度神经网络的攻击检测
3.1 基于多层感知器的检测
3.2多层感知器的参数更新与检测指标
4实验与结果
4.1 数据集
4.2对抗样本构造设置
4.3模型性能分析
4.3.1收敛性能分析
4.3.2检测结果性能分析
5结论和可能的发展
