一种面向组合攻击效能评估的Enhanced LAMBDA描述语言

利用描述语言进行攻击建模能够更有效地刻画攻击细节。通过对网络攻击效能进行评估,可以对网络攻击的效果给出定性和定量的评价,检验攻击行为的有效性,有助于制定有效的网络安全策略。基于LAMBDA语言,扩充了时间约束和效能约束方面的描述能力,提出了一种增强的攻击描述语言Enhanced LAMBDA,并给出了Enhanced LAMBDA的应用实例。最后,利用DARPA数据集LLDOS1.0构造了网络组合攻击的测试场景,基于Enhanced LAMBDA对其进行效能评估。实验结果表明,Enhanced LAMBDA能有效支持网络组合攻击的效能评估。

基于深度学习的对抗攻击技术综述

尽管深度学习模型在很多领域表现优异,但是研究表明其本身容易受到对抗样本的攻击,在模型实际部署的时候存在安全隐患。因此,在深度学习安全领域研究对抗样本非常重要。对计算机视觉领域中对抗攻击技术的现有成果进行了详细综述。首先介绍了对抗攻击的定义、分类标准以及发展,然后对比分析了现阶段经典的白盒和黑盒攻击方法,最后使用MNIST、CIFAR-10数据集对经典的攻击方法进行了实验验证。