基于生成对抗网络GAN的网络背景流量生成方法技术

本发明专利技术提出了一种基于生成对抗网络GAN的网络背景流量生成方法，实现步骤为：1)获取训练样本集；2)构建生成对抗网络模型库；3)对生成对抗网络模型库进行迭代训练；4)获取训练好的生成器网络预测得到的流量数据包特征；5)网络流量生成结果。本发明专利技术通过包含多种网络应用的网络流量数据包特征的训练样本集，对包含与网络应用种类相同的多个生成对抗网络组成的模型库进行迭代训练，加快了生成对抗网络模型库的收敛速度，在保证通信安全性的前提下，有效提高了网络背景流量生成的效率。效提高了网络背景流量生成的效率。效提高了网络背景流量生成的效率。

【技术实现步骤摘要】
基于生成对抗网络GAN的网络背景流量生成方法


[0001]本专利技术属于网络安全
，涉及一种网络背景流量生成方法，具体涉及一种基于生成对抗网络GAN的网络背景流量生成方法，可用于生成网络背景流量。

技术介绍

[0002]互联网中的通信节点在使用网络应用进行通信时需要进行流量数据包的交互，通信节点发送的一条网络流量中含有一组包序列其中表示通信节点需要发送的第a
i
个流量数据包。
[0003]提供网络应用服务的运营商在进行网络安全分析、网络压力测试等需要大量的网络流量数据包样本，网络流量生成技术也在不断发展。网络流量生成方法主要包括基于统计模型的网络流量生成方法和基于流量特征的网络流量生成方法两种。
[0004]基于统计模型的网络流量生成方法主要借助概率模型如马尔可夫模型、泊松分布模型等搭配流量生成工具进行流量生成，这种网络流量生成方法主要在互联网压力测试时进行背景网络流量生成，缺点是基于简单的概率模型很难在现今网络流量数量庞大的条件下模拟流量数据包之间的关系，而复杂概率模型的建立非常困难。
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络GAN的网络背景流量生成方法，其特征在于，包括如下步骤：(1)获取训练样本集X
train
：(1a)使用wireshark工具抓取通信节点在互联网通信时包括M种网络应用的S个流量数据包B＝{B1,B2,...,B
s
,...,B
S
}，每种网络应用至少对应一个流量数据包，每个流量数据包对应一种网络应用，每个流量数据包B
s
包括W个特征，并对每种网络应用类别进行标注，得到M种网络应用对应的类别标签集合R
class
＝{R1,R2,...,R
m
,...,R
M
}，其中，M≥2，S≥5000，B
s
表示第s个流量数据包，1≤s≤S，W≥2，R
m
表示第m种网络应用对应的类别标签，1≤m≤M；(1b)对每个流量数据包B
s
的非数字特征进行独热编码，并对经过独热编码的每个流量数据包进行归一化，得到经过预处理的流量数据包集合其中表示B
s
的预处理结果；(1c)通过R
class
中的网络应用类别标签对每个经过预处理的流量数据包进行标记，得到对应的网络应用类别标签集合y＝{y1,y2,...,y
s
,...y
S
}，并将经过预处理的流量数据包集合及对应的网络应用类别标签集合y组合成训练样本集其中y
s
表示与经过预处理的流量数据包相对应的网络应用类别标签，表示X
train
中网络应用类别标签为R
m
的样本集合，的样本集合，表示网络应用类别标签为R
m
的第v个样本，V表示X
train
中网络应用类别标签为R
m
的样本总数，0＜V＜S，0≤v≤V；(2)构建生成对抗网络模型库：构建包括与网络应用种类相同的M个生成对抗网络的模型库每个生成对抗网络包括依次级联的生成器网络和判别器网络其中，生成器网络包括输入层、第一全连接模块与输出层；判别器网络包括输入层、第二全连接模块与输出层，表示第m种网络应用对应的生成对抗网络；(3)对生成对抗网络模型库进行迭代训练：(3a)初始化第m个生成对抗网络包含的生成器网络的参数为判别器网络的参数为迭代次数为q1，最大迭代次数为Q1，Q1≥2000，并令q1＝0；(3b)从网络应用类别标签为R
m
的样本集合中随机选取K个样本作为生成对抗网络的输入，生成器网络对每个样本的预处理流量数据包特征进行预测，得到预测流量数据包特征集合判别器网络分别计算每个与每个来源于样本集合的概率，得到概率集合与概率集合D2＝{d1,d2,...,d
k
,...,d
K
}，其中,1≤K≤50，1≤k≤K，表示第k个随机选取的样本，表示经过生成器网络预测得到的流量数据包特征，表示判别器网络计算来源于样本集合的概率，d
k
表示判别器网络计算来源于...

【专利技术属性】
技术研发人员：董庆宽，任晓龙，陈原，赵晓倩，杨福兴，穆涛，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：