基于可解釋人工智能的流量對(duì)抗樣本攻擊及防御方法

摘要： 針對(duì)基于人工智能的網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)，提出了一種基于可解釋人工智能（XAI）的對(duì)抗樣本攻擊方法。利用XAI方法識(shí)別關(guān)鍵擾動(dòng)特征，在保持流量功能時(shí)逐步進(jìn)行針對(duì)性擾動(dòng)，直至惡意流量被判定為良性，實(shí)現(xiàn)對(duì)抗流量樣本攻擊。這種方法可以大幅減少擾動(dòng)特征，增強(qiáng)了攻擊隱蔽性，而且其所識(shí)別的關(guān)鍵特征對(duì)不同分類器具有一致性，使得攻擊樣本具有較強(qiáng)的遷移性。在防御方面，提出了一種基于對(duì)抗訓(xùn)練的防御方法，... （共14頁）