随着机器学习的发展，机器学习已经广泛应用于入侵检测，但研究发现基于机器学习的检测技术存在安全隐患，极易遭受对抗样本的攻击，为了更好的评估入侵检测系统的鲁棒性，研究网络流量的对抗样本生成技术成为重中之重。但是基于全特征生成的网络流量对抗样本会丧失本应具备的攻击性，进而失去攻击的意义。针对以上问题，本次学术报告对基于GAN的网络流量对抗样本生成技术进行讲解，并拓展了该方法的评价指标。
基于GAN的网络流量对抗样本生成技术-张荣倩原创文章，作者：BFS，如若转载，请注明出处：https://www.isclab.org.cn/2021/01/10/%e5%9f%ba%e4%ba%8egan%e7%9a%84%e7%bd%91%e7%bb%9c%e6%b5%81%e9%87%8f%e5%af%b9%e6%8a%97%e6%a0%b7%e6%9c%ac%e7%94%9f%e6%88%90%e6%8a%80%e6%9c%af/