6GAN：基于生成对抗网络与强化学习的 IPv6 多模式目标生成
网络与互联网体系结构
2022-04-22 v1 人工智能
摘要
由于网络速度与计算能力有限，全球 IPv6 扫描一直是研究人员面临的挑战。近期提出的目标生成算法通过预测待扫描候选集来克服互联网评估中的该问题。然而，IPv6 自定义地址配置呈现出多样化的寻址模式，不利于算法推断。广泛的 IPv6 别名也可能误导算法发现别名区域而非有效主机目标。本文提出 6GAN，一种基于生成对抗网络（GAN）与强化学习构建的用于多模式目标生成的新架构。6GAN 迫使多个生成器与多类判别器及别名检测器共同训练，以生成具有不同寻址模式类型的非别名活跃目标。来自判别器与别名检测的奖励有助于监督地址序列的决策过程。经过对抗训练，6GAN 的生成器能对每种模式保持较强的模仿能力，且 6GAN 的判别器以 0.966 的准确率获得出色的模式判别能力。实验表明，我们的工作通过获得更高质量的候选集，优于最先进的目标生成算法。
引用
@article{arxiv.2204.09839,
title = {6GAN: IPv6 Multi-Pattern Target Generation via Generative Adversarial Nets with Reinforcement Learning},
author = {Tianyu Cui and Gaopeng Gou and Gang Xiong and Chang Liu and Peipei Fu and Zhen Li},
journal= {arXiv preprint arXiv:2204.09839},
year = {2022}
}
备注
The paper has been accepted at the 2021 IEEE International Conference on Computer Communications (INFOCOM 2021). The source code has been published at https://github.com/CuiTianyu961030/6GAN