基于后门攻击的恶意流量逃逸方法

摘要： 针对基于深度学习模型的流量分类器，提出了一种利用后门攻击实现恶意流量逃逸的方法。通过在训练过程添加毒化数据将后门植入模型，后门模型将带有后门触发器的恶意流量判定为良性，从而实现恶意流量逃逸；同时对不含触发器的干净流量正常判定，保证了模型后门的隐蔽性。采用多种触发器分别生成不同后门模型，比较了多种恶意流量对不同后门模型的逃逸效果，同时分析了不同后门对模型性能的影响。实验验证了所提... （共11页）