江苏大学学报(自然科学版)

作者：刘悦文1,孙子文1,2

单位：1. 江南大学 物联网工程学院， 江苏 无锡 214122； 2. 江南大学 物联网技术应用教育部工程研究中心， 江苏 无锡 214122

关键词：工业无线传感器网络, 入侵检测, 生成对抗网络, 深度学习, 对抗攻击, 对抗样本

基金： 国家自然科学基金资助面上项目(62173160)

针对对抗样本易引发基于深度学习的IWSN入侵检测系统误判并导致检测精度下降的问题，构建了基于生成对抗网络的IWSN入侵检测模型，以抵御对抗攻击并提升检测精度.采用FGSM、BIM、PGD这3种对抗算法快速构造对抗样本，利用生成对抗网络对3类对抗样本进行集成式训练，以生成新的对抗样本；引入Wasserstein距离和梯度惩罚约束，解决生成对抗网络模式崩坏的问题；进一步通过多层感知器实现攻击检测.采用工业天然气管道数据集，运用TensorFlow 2框架以及Pycharm软件工具，验证检测模型的有效性.试验结果表明：文中模型对对抗样本的检测率高于FGSM、BIM、PGD、集合的对抗训练防御方法，能有效防御对抗攻击.

来源：2025年第5期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2025年第5期