基于遗传算法的数据中心流量对抗样本生成方法

随着数据中心应用的广泛化,针对网络的攻击事件时常发生,围绕网络安全的攻防逐渐成为研究的热点.为了实现对数据中心网络的黑盒攻击,提出了一种基于遗传算法(GA)的对抗输入生成算法(AdvGA).AdvGA对GA各环节进行了针对性的设计:首先,采用实数编码对染色体进行编码,使用数据流量的实际值来表示个体;然后,将最大化网络数据流完成时间(FCT)作为优化目标来设计适应度函数;最后,使用贪心选择、部分交叉映射和均匀变异算法来设计遗传算子,生成最优的对抗样本.在实验部分,将Fat-Tree作为目标数据中心网络发起对抗攻击,结果表明与随机搜索生成的输入相比,AdvGA生成的对抗流量样本导致数据流完成时间增加了约20％;并且,相较于布谷鸟搜索(CS)算法以及传统GA,AdvGA的算法收敛速度提高了43％～60％,攻击效果提高25％～35％;与差分进化(DE)算法相比,虽然收敛迭代次数略有增加,但是所生成的流量样本具有更好的对抗性.这些结果表明,所提方法能够有效针对数据中心网络进行对抗攻击,通过对网络流量对抗样本生成方法的研究,也进一步为提高网络性能稳定性以及安全性开拓了思路.