[发明专利]基于生成对抗网络GAN的网络背景流量生成方法

说明书

本发明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。

技术领域

本发明属于网络安全技术领域，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。

背景技术

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。

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。

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。

基于流量数据包特征的网络流量生成方法主要借助机器学习技术对流量数据包进行特征提取作为神经网络的训练样本集，然后搭建神经网络进行迭代训练，最终对网络流量特征进行预测输出，再使用流量生成工具根据预测得到的网络流量特征生成初始数据包序列，并将用户需要发送的数据加密后嵌入至初始数据包序列生成一条网络流量。

生成对抗网络能够对流量数据包特征进行预测，使得生成器网络预测得到的流量数据包特征的概率分布在统计特性上与训练样本集非常相近，因此生成对抗网络在网络流量生成方面的应用具有重要意义，如申请公布号为CN109889452A,名称为“基于条件生成式对抗网络的网络背景流量生成方法和系统”的专利申请，公开了一种基于条件生成式对抗网络(CGAN)的背景流量生成方法，该方法将所有预先收集的流量数据包样本固定填充为M维向量，搭建一个条件式生成对抗网络，并对条件式生成对抗网络进行迭代训练，通过训练好的条件式生成对抗网络的生成器网络生成模拟背景流量，然后进行发送。但其存在的不足在于，训练样本集的每一个流量数据包样本向量化后都要填充至固定的1518个特征，把所有不同类型的流量数据包作为一个条件式生成对抗网络的训练样本集，在获取网络背景流量生成结果的过程中，通过多个不同类型的流量数据包对一个条件式生成对抗网络进行迭代训练，收敛速度较慢，导致网络背景流量生成的效率较低。

发明内容

本发明的目的在于克服上述现有技术存在的缺陷，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，旨在保证通信安全性的前提下，提高网络背景流量生成的效率。

为实现上述目的，本发明采取的技术方案包括如下步骤：

(1)获取训练样本集X_train：