【技术实现步骤摘要】
对抗网络模型训练方法、装置、生成方法和设备
[0001]本申请涉及网络
，特别是涉及一种对抗网络模型训练方法、装置、生成方法和设备。
技术介绍
[0002]网络协议为计算机网络中进行数据交换而建立的规则、标准或约定的集合。对网络协议进行分析，发掘网络协议及其具体实现程序中存在的安全漏洞，并及时实施安全防护，有助于减少网络安全问题的发生。
[0003]模糊测试也叫Fuzz测试，是一种常用的软件健壮性测试、漏洞挖掘、黑盒测试测试方法，通过随机的非法输入，观测被测试软件是否异常从而发现软件漏洞和BUG。传统的方式有用手工生成输入样本，这种方式效率较低；也有采用传统的模糊测试工具，但生成的测试样本缺乏多样性导致模糊测试的代码覆盖率较低。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种对抗网络模型训练方法、装置、生成方法和设备，用于解决现有技术中测试样本缺乏多样性导致模糊测试的代码覆盖率较低的问题。
[0005]第一方面，本申请提供了一种对抗网络模型训练方法。所述方法包括：
【技术保护点】
【技术特征摘要】
1.一种对抗网络模型训练方法，其特征在于，所述方法包括：获取网络协议数据；将所述网络协议数据转换为二维向量，得到训练数据；采用初始的对抗网络模型生成测试数据；基于所述训练数据和所述测试数据，对初始的所述对抗网络模型进行训练，直至满足预设的收敛条件，得到训练后的所述对抗网络模型。2.根据权利要求1所述的方法，其特征在于，所述获取网络协议数据，包括：采用抓包工具抓取网络通信过程中的网络协议数据；其中，所述网络协议数据包括会话数据流、协议数据包、字节的关联关系中的至少一个。3.根据权利要求2所述的方法，其特征在于，所述将所述网络协议数据转换为二维向量，得到训练数据，包括：对所述网络协议数据进行向量化编码，得到所述网络协议数据的二维向量，将所述网络协议数据的二维向量作为训练数据。4.根据权利要求1所述的方法，其特征在于，所述对抗网络模型包括生成器和判别器；所述采用初始对抗网络模型生成测试数据，包括：将随机噪声数据输入所述生成器中，通过所述生成器输出测试数据；其中所述测试数据为二维向量。5.根据权利要求4所述的方法，其特征在于，所述基于所述训练数据和所述测试数据，对初始的所述对抗网络模型进行训练，包括：将所述训练数据输入所述判别器中，得到真实结果；将所述测试数据输入所述判别器中，得到预测结果；基于所述真实结果和所述预测结果的差异性，调整所述生成器的参数；采用调整后的所述生成器生成新的测试数据。6.根据权利要求1
‑
5中任一项所述的方法，其特征在于，满足预设的收敛条件判断方式，包括：若训练次数达到预设阈值，则认为满足预设的收敛条件。7.根据权利要求1
‑
5中任一项所述的方法，其特征在于，所述方法还包括：对所述训练数据进行分类，得到多个类别的所述训练数据；基于每...
【专利技术属性】
技术研发人员：招永锐，
申请(专利权)人：兴业数字金融服务上海股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。