6GCVAE：用于 IPv6 目标生成的门控卷积变分自编码器
网络与互联网体系结构
2022-04-21 v1 人工智能
摘要
IPv6 扫描一直是网络测量领域研究人员面临的一项挑战。由于 IPv6 地址空间极为庞大，尽管近年的网络速度与计算能力有所提升，采用暴力方式探测整个 IPv6 网络空间几乎是不可能的。系统需要一种算法方法来生成更多可能的活跃目标候选集以供探测。在本文中，我们首次尝试使用深度学习来设计此类 IPv6 目标生成算法。该模型通过堆叠门控卷积层来构建变分自编码器（VAE），从而有效学习地址结构。我们还引入了两种地址分类方法来改善目标生成的模型效果。实验表明，我们的方法 6GCVAE 在两个活跃地址数据集上优于传统的 VAE 模型以及最先进的目标生成算法。
引用
@article{arxiv.2204.09425,
title = {6GCVAE: Gated Convolutional Variational Autoencoder for IPv6 Target Generation},
author = {Tianyu Cui and Gaopeng Gou and Gang Xiong},
journal= {arXiv preprint arXiv:2204.09425},
year = {2022}
}
备注
The paper has been accepted at the Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD 2020)