[發明專利]一種基于多層采樣的主動學習溯源攻擊方法

在審

• 申請號: 202011102976.1
• 申請日: 2020-10-15
• 公開（公告）號: CN112633314A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 洪榛;葉蕾;鄭德華;安曼
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種基于多層采樣的主動學習溯源攻擊方法，其特征在于，所述方法包括以下步驟：

1)、構建基于多層采樣策略的主動學習溯源攻擊模型，整個多層采樣策略的主動學習溯源攻擊模型分為主動學習部分與溯源攻擊部分，過程如下：

1.1):攻擊者可以通過流量監控不斷竊取系統設備的流量信息，并將其輸入到攻擊者自己構建的初始分類模型中；

1.2):攻擊者利用已構建的主動學習分類器預測當前位置的下一步游走方向的概率分布情況，選擇最高概率的游走方向進行移動，直至到達源節點位置；

1.3):攻擊者在收集并存儲在游走期間接收到的網絡流量，并將其作為下一次主動學習的未標記樣本集；

1.4):攻擊者使用“多層采樣策略”對未標記的數據集進行采樣，選擇出k個“價值”最大的樣本；其中，在“多層采樣策略”中，第一層樣本采樣將樣本的不確定性、代表性和覆蓋率作為樣本價值的評價標準，第二層采樣主要以樣本的空間性作為評價標準，第三次采樣中對第二層采樣的候選樣本進行聚類生成多個聚類簇，然后針對每個簇以樣本的不確定性進行重新排序，最終選擇出k個“價值”最大的預測集樣本；

1.5):攻擊者憑借自身的專業知識和對系統的認知對預測集樣本進行正確標記，并將其加入訓練集，更新得到一個新的分類器；

1.6):重復上述過程，直至攻擊者能以最快速度游走至源節點完成攻擊；

2)、基于多層采樣的主動學習溯源攻擊算法，過程如下：

首先，攻擊者在網絡中隨機一個節點作為初始節點；隨后攻擊者通過“隨機游走+主動學習”的貪心算法方式進行溯源攻擊，不斷進行游走并收集流量數據；當它到達源節點后將收集到的游走數據作為下一次迭代學習的數據，再通過多層采樣篩選出k個最大價值樣本進行更新主動學習分類器；接著，攻擊者從同一起始節點位置開始重新游走迭代更新，直至迭代至最大次數。

2.如權利要求1所述的一種基于多層采樣的主動學習溯源攻擊方法，其特征在于，所述步驟2)中，溯源攻擊的“隨機游走+主動學習”中嵌套ε-greedy算法，在決策游走方向的時候有兩種游走策略：1.節點隨機游走；2.分類器根據現在的節點位置選擇最大可能性的游走方向。考慮到在攻擊初始階段訓練樣本較少，分類器模型泛化能力較差，而在攻擊后期階段，分類器預測性能較好，攻擊者能通過采樣樣本進行學習從而提高攻擊性能，在貪心系數ε的設置上從較大值開始，逐漸減小，符合本章提出的主動學習溯源攻擊模型，在理想的情況下，當攻擊模型中的分類器擁有了對虛假節點的準確辨別，那么攻擊者便具備了最高效的溯源能力。