一種基于生成式對(duì)抗網(wǎng)絡(luò)的入侵檢測(cè)系統(tǒng)攻擊方法

楊 杰 趙俊杰 張國興

（中南民族大學(xué)，湖北 武漢 430074）

1 概述

在入侵檢測(cè)研究中[1]，隨著網(wǎng)絡(luò)數(shù)據(jù)流量來源愈發(fā)復(fù)雜，研究數(shù)據(jù)集的維度也在不斷增加，傳統(tǒng)檢測(cè)算法漸漸難以滿足現(xiàn)實(shí)需求，研究工作者引入深度學(xué)習(xí)提升其檢測(cè)性能[2]。深度學(xué)習(xí)通過數(shù)據(jù)集訓(xùn)練，獲取特征間的深層關(guān)系，執(zhí)行分類任務(wù)與預(yù)測(cè)任務(wù)。

針對(duì)基于深度學(xué)習(xí)的入侵檢測(cè)系統(tǒng)，常見的攻擊方法有如下幾種：（1）污染攻擊：通過偽裝成普通用戶上傳虛假數(shù)據(jù)或截取并篡改數(shù)據(jù)等方式擾亂數(shù)據(jù)集的特征分布。（2）中毒攻擊：篡改部分標(biāo)簽信息，干擾模型訓(xùn)練。（3）對(duì)抗攻擊：對(duì)輸入樣本添加輕微擾動(dòng)，使得深度學(xué)習(xí)對(duì)其進(jìn)行錯(cuò)誤分類[3]。

上述攻擊方法難以適配如今基于深度學(xué)習(xí)入侵檢測(cè)系統(tǒng)的高速發(fā)展。生成式對(duì)抗網(wǎng)絡(luò)（Generative Adversarial Networks,GAN）能夠?qū)W習(xí)數(shù)據(jù)的特征分布，生成高質(zhì)量的數(shù)據(jù)樣本[4]。本文構(gòu)建了一個(gè)由GAN、轉(zhuǎn)換器與DBN 構(gòu)成的模型框架，針對(duì)基于深度信念網(wǎng)絡(luò)（Deep Belief Network,DBN）的入侵檢測(cè)系統(tǒng)進(jìn)行攻擊。GAN 生成符合一般網(wǎng)絡(luò)流量數(shù)據(jù)特征分布的數(shù)據(jù)樣本。轉(zhuǎn)換器保留生成樣本的非攻擊特征，與攻擊行為數(shù)據(jù)的攻擊特征結(jié)合，形成具備攻擊能力的新的攻擊樣本。攻擊特征與非攻擊特征的劃分使用隨機(jī)森林算法進(jìn)行篩選。DBN 作為本文的攻擊目標(biāo)，設(shè)置相關(guān)模塊能對(duì)攻擊性能進(jìn)行有效評(píng)估。

2 DBN-SVM 與WGAN-GP

2.1 DBN-SVM。基于支持向量機(jī) (Support Vector Machine，SVM)算法的DBN 在應(yīng)用實(shí)踐中，檢測(cè)率更高，分類更加準(zhǔn)確[5]。本文選取基于此類算法入侵檢測(cè)系統(tǒng)作為攻擊目標(biāo)，并作為檢測(cè)模塊，衡量攻擊性能[6]。

DBN 基本組成是受限制玻爾茲曼機(jī)（Restricted Boltzmann Machine,RBM）。RBM 根據(jù)以下能量函數(shù)求解參數(shù)：

多個(gè)RBM 按照順序依次連接構(gòu)成DBN。通過訓(xùn)練，使得每個(gè)RBM 都能夠獲取最優(yōu)的模型參數(shù)，該步驟稱為預(yù)訓(xùn)練。通過預(yù)訓(xùn)練可以得到以下權(quán)重參數(shù)矩陣：

在最頂層的RBM 上構(gòu)建一個(gè)分類算法以完成分類任務(wù)，該算法不拘泥于某個(gè)特定的分類算法，本文使用SVM算法[7]。

預(yù)訓(xùn)練獲取的模型參數(shù)是每個(gè)RBM 的最優(yōu)參數(shù)傳給SVM 算法。通過SVM 的訓(xùn)練神經(jīng)元的參數(shù)進(jìn)行調(diào)整參數(shù)，最終優(yōu)化整個(gè)DBN 的特征映射，該步驟稱為微調(diào)，見圖1。

圖1 基于SVM 網(wǎng)絡(luò)DBN 的基本結(jié)構(gòu)

2.2 WGAN-GP。GAN 的思想基礎(chǔ)是零和博弈，GAN 的結(jié)構(gòu)示意圖如圖2。

圖2 GAN 基本結(jié)構(gòu)

生成器反應(yīng)隨機(jī)變量z 到真實(shí)的數(shù)據(jù)樣本x 的映射關(guān)系，z 服從正態(tài)分布，經(jīng)過生成器得到微分函數(shù)g（z），參數(shù)為θg。判別器使用參數(shù)θd定義判別函數(shù)f（x），表示x 是真實(shí)數(shù)據(jù)的概率。由此得出價(jià)值函數(shù)：

固定生成器的模型參數(shù)，最符合要求的判別函數(shù)值為：

將固定的判別函數(shù)f*（x）代入價(jià)值函數(shù)，使用JS 散度表達(dá)最終函數(shù)為：

Pr（x）和Pg（x）的概率分布相等時(shí)，生成樣本完全符合真實(shí)數(shù)據(jù)的特征分布，價(jià)值函數(shù)L 的值為最小值，符合求解價(jià)值函數(shù)最小值的期望目標(biāo)。

WGAN 通過引入Wasserstein 距離的數(shù)學(xué)概念，添加一個(gè)Lipschitz 約束，能夠有效地解決傳統(tǒng)GAN 存在的梯度消失梯度消失問題。Wasserstein 距離的特點(diǎn)是即便兩個(gè)分布沒有重疊，Wasserstein 距離仍然能夠反映它們的遠(yuǎn)近。因此，WGAN 不會(huì)發(fā)生JS 散度或KL 散度引起的梯度消失問題。研究人員使用梯度懲罰（gradient penalty）的概念，對(duì)梯度信息進(jìn)行抑制，避免梯度爆炸的問題。得到如下的價(jià)值函數(shù)：

GAN 的生成器和判別器不拘泥于算法，許多研究引入了高效的算法模型或者是其改進(jìn)模型作為GAN 的生成器和判別器，滿足多領(lǐng)域、多問題的任務(wù)需求。

3 基于GAN 的入侵檢測(cè)系統(tǒng)攻擊方法

3.1 數(shù)據(jù)集。CIC-IDS2018 數(shù)據(jù)集是加拿大網(wǎng)絡(luò)安全研究所通過建立模擬正常網(wǎng)絡(luò)行為和各類網(wǎng)絡(luò)攻擊的系統(tǒng)采集的數(shù)據(jù)流量特征信息。數(shù)據(jù)集包含80 個(gè)網(wǎng)絡(luò)流量特征和Bruteforce、Botnet、Dos、Web Attacks、Infiltration 和DDos等攻擊行為。不同的攻擊根據(jù)使用攻擊工具的不同細(xì)化為多種類別，使用數(shù)據(jù)標(biāo)簽為這些類別標(biāo)注。

經(jīng)過對(duì)11 種網(wǎng)絡(luò)數(shù)據(jù)集研究后發(fā)現(xiàn)，其他數(shù)據(jù)集存在年代較久、數(shù)據(jù)不平衡、攻擊樣本種類不充分等問題，無法滿足現(xiàn)今的網(wǎng)絡(luò)需求。CIC-IDS2018 數(shù)據(jù)集更貼合當(dāng)代網(wǎng)絡(luò)數(shù)據(jù)特征分布，本文選取該數(shù)據(jù)集作為攻擊數(shù)據(jù)集。

3.2 數(shù)據(jù)集優(yōu)化處理。CIC-IDS2018 數(shù)據(jù)集存在如下問題：存在少量空值數(shù)據(jù)和無窮值數(shù)據(jù)；包含重復(fù)冗余數(shù)據(jù)；數(shù)據(jù)樣本分布不均，難以訓(xùn)練模型。對(duì)CIC-IDS2018 數(shù)據(jù)集進(jìn)行如下處理：（1）清除異常數(shù)據(jù)樣本。（2）去重。（3）數(shù)據(jù)均衡，Web Attacks 數(shù)據(jù)樣本過少，對(duì)其進(jìn)行刪除。其他數(shù)據(jù)樣本均勻采樣。（4）Timestamp 數(shù)據(jù)類型由日期型數(shù)據(jù)轉(zhuǎn)換為時(shí)間戳類型。（5）采用歸一化方法對(duì)數(shù)據(jù)值進(jìn)行標(biāo)準(zhǔn)化處理。（6）對(duì)Label 屬性進(jìn)行獨(dú)熱編碼。

3.3 模型基礎(chǔ)架構(gòu)設(shè)計(jì)。基于GAN 入侵檢測(cè)攻擊方法相關(guān)模型架構(gòu)圖如圖3 所示。

圖3 基于GAN 網(wǎng)絡(luò)的入侵檢測(cè)系統(tǒng)攻擊框架設(shè)計(jì)

生成模塊是一個(gè)完整的WGAN-GP 網(wǎng)絡(luò)，以生成高質(zhì)量的攻擊樣本。輸入為隨機(jī)的噪聲變量，輸出為79 維的數(shù)據(jù)樣本。該樣本學(xué)習(xí)正常數(shù)據(jù)樣本的特征分布，原則上，不具備相應(yīng)的攻擊能力。通過轉(zhuǎn)換器結(jié)合攻擊數(shù)據(jù)中的攻擊特征，使其具備攻擊能力。判別器將判別結(jié)果交給生成器，對(duì)生成器優(yōu)化訓(xùn)練。

轉(zhuǎn)換器模塊由基于隨機(jī)森林算法的特征優(yōu)先選擇算法和組建新攻擊樣本的轉(zhuǎn)換器構(gòu)成。攻擊行為的數(shù)據(jù)樣本，如果直接修改其重要的相關(guān)特征，會(huì)造成樣本失去相應(yīng)的攻擊能力。而對(duì)不重要的相關(guān)特征進(jìn)行改動(dòng)，數(shù)據(jù)樣本依然具備攻擊能力。將重要的相關(guān)特征稱為攻擊特征，其他特征稱為非攻擊特征。通過隨機(jī)森林算法對(duì)預(yù)處理后的CIC-IDS2018 數(shù)據(jù)集進(jìn)行訓(xùn)練學(xué)習(xí)，得到對(duì)除Label 屬性外的79 個(gè)數(shù)據(jù)特征的排序，最終選取評(píng)分在0.03 以上的特征集作為具備攻擊能力的攻擊特征，見表1。

表1 評(píng)分在0.03 以上的特征屬性

選定上述特征作為攻擊特征，其余的特征作為非攻擊特征。轉(zhuǎn)換器將生成樣本的非攻擊特性與攻擊行為數(shù)據(jù)的攻擊特征結(jié)合。形成新的攻擊樣本，送入判別器訓(xùn)練。

檢測(cè)模塊是基于DBN-SVM 的入侵檢測(cè)算法。將基于該網(wǎng)絡(luò)的入侵檢測(cè)系統(tǒng)作為本文的攻擊目標(biāo)，并將其作為模型框架的檢測(cè)模塊，檢測(cè)最終的攻擊性能。該實(shí)驗(yàn)流程中，DBN-SVM 對(duì)優(yōu)化處理的數(shù)據(jù)集進(jìn)行訓(xùn)練，記錄其檢測(cè)準(zhǔn)確率。在GAN 訓(xùn)練穩(wěn)定后，將攻擊樣本輸入?yún)?shù)訓(xùn)練好的DBN-SVM，對(duì)比前后的檢測(cè)準(zhǔn)確率，評(píng)估生成式對(duì)抗網(wǎng)絡(luò)生成攻擊樣本的質(zhì)量。

4 相關(guān)實(shí)驗(yàn)與結(jié)果

4.1 實(shí)驗(yàn)流程設(shè)置。基于上述模型架構(gòu)，設(shè)置如圖4 的實(shí)驗(yàn)流程。（1）對(duì)CIC-IDS2018 數(shù)據(jù)集進(jìn)行優(yōu)化處理。（2）預(yù)處理的數(shù)據(jù)集劃分訓(xùn)練集和測(cè)試集，將訓(xùn)練集輸入DBN-SVM 訓(xùn)練，使用測(cè)試集進(jìn)行測(cè)試，記錄穩(wěn)定的DBN-SVM 的準(zhǔn)確率信息。（3）預(yù)處理的數(shù)據(jù)集使用隨機(jī)森林算法進(jìn)行特征排序，劃分攻擊特征和非攻擊特征。（4）隨機(jī)生成的噪聲變量數(shù)據(jù)作為WGAN-GP 中生成器的輸入，生成數(shù)據(jù)樣本。（5）將生成樣本的非攻擊特征與攻擊行為數(shù)據(jù)的攻擊特征進(jìn)行結(jié)合，產(chǎn)生新的攻擊樣本。（6）將從預(yù)處理的數(shù)據(jù)集中選取正常網(wǎng)絡(luò)行為數(shù)據(jù)與轉(zhuǎn)換器結(jié)合的新的攻擊樣本作為WGAN-GP 中判別器的輸入，輸出結(jié)果傳回生成器，進(jìn)行迭代訓(xùn)練。（7）對(duì)攻擊樣本進(jìn)行測(cè)試，對(duì)DBN-SVM 進(jìn)行測(cè)試，記錄其準(zhǔn)確率信息，與第二步中的準(zhǔn)確率比較，分析實(shí)驗(yàn)結(jié)果。

圖4 基于GAN 網(wǎng)絡(luò)的入侵檢測(cè)系統(tǒng)攻擊方案流程圖

4.2 實(shí)驗(yàn)結(jié)果。實(shí)驗(yàn)環(huán)境設(shè)置如下，操作系統(tǒng)為64 位Windows10，使用的CPU 是AMD Ryzen 7 5800H，RAM 為16GB。 開 發(fā) 環(huán) 境 是 TensorFlow1.13.0，CUDA10.0 和CuDNN7.4。生成式對(duì)抗網(wǎng)絡(luò)的學(xué)習(xí)率設(shè)置為0.0005，DBN-SVM 的學(xué)習(xí)率設(shè)置為0.5。

實(shí)驗(yàn)表明，基于DBN-SVM 的入侵檢測(cè)系統(tǒng)在模型訓(xùn)練穩(wěn)定的狀況下，測(cè)試集的準(zhǔn)確率達(dá)到83.48%，錯(cuò)誤率為16.52%，見表2。

表2 原始數(shù)據(jù)經(jīng)DBN-SVM 測(cè)試的混淆矩陣結(jié)果

經(jīng)過生成式對(duì)抗網(wǎng)絡(luò)的穩(wěn)定訓(xùn)練，選取1200 條生成攻擊樣本數(shù)據(jù)交由入侵檢測(cè)系統(tǒng)檢測(cè)。經(jīng)過檢測(cè)，準(zhǔn)確率為36.26%，錯(cuò)誤率為63.74%。

對(duì)比兩次檢測(cè)結(jié)果，錯(cuò)誤率差值為47.22%，GAN 的epoch 設(shè)置為3000，每學(xué)習(xí)300 個(gè)樣本的特征分布產(chǎn)生一次數(shù)據(jù)樣本，生成攻擊樣本時(shí)間為3.1s，見表3。

表3 基于GAN 生成攻擊樣本與正常網(wǎng)絡(luò)行為數(shù)據(jù)經(jīng)DBN-SVM 測(cè)試的混淆矩陣結(jié)果

4.3 對(duì)比實(shí)驗(yàn)及分析。為進(jìn)一步分析本文提出的攻擊方法的性能，選取C&W 和DeepFool 兩種對(duì)抗樣本攻擊方法在CIC-IDS2018 數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)對(duì)比。下表匯總了三種攻擊方法的錯(cuò)誤率差值和生成攻擊樣本的時(shí)間，見表4。

表4 GAN、DeepFool 和C&W 三種攻擊方法的錯(cuò)誤率差值及攻擊樣本生成時(shí)間對(duì)比

本文提出的攻擊方法與DeepFool 方法使得錯(cuò)誤率差值基本維持在30%以上，說明產(chǎn)生的攻擊樣本都能對(duì)基于DBN-SVM 入侵檢測(cè)系統(tǒng)進(jìn)行有效地攻擊。基于GAN 入侵檢測(cè)系統(tǒng)攻擊方法生成攻擊樣本時(shí)間遠(yuǎn)遠(yuǎn)低于其他兩種攻擊方法。

5 結(jié)論

本文提出了基于GAN 的入侵檢測(cè)系統(tǒng)攻擊方法。該方法通過WGAN-GP 生成數(shù)據(jù)樣本，使用隨機(jī)森林算法劃分攻擊特征與非攻擊特征，并以此為依據(jù)將生成樣本的非攻擊特征與攻擊行為數(shù)據(jù)的攻擊特征結(jié)合，保留生成樣本攻擊能力，來規(guī)避檢測(cè)系統(tǒng)的分類，成功地降低其檢測(cè)效率。通過設(shè)置對(duì)抗樣本攻擊中的C&W 和DeepFool 兩類攻擊方法進(jìn)行對(duì)比實(shí)驗(yàn)，表明本文提出的攻擊方法對(duì)基于深度信念網(wǎng)絡(luò)的入侵檢測(cè)系統(tǒng)的攻擊更為有效，攻擊樣本生成時(shí)間更快。