摘要

基于深度学习的列车通信网络入侵检测需要充足的训练样本支撑,然而实际可获取的列车通信网络攻击样本非常少.本文将生成对抗网络(GAN)应用于攻击样本生成任务中,对GAN的采样策略、约束条件与损失函数进行改进,设计了基于卷积神经网络的生成器与判别器,提出一种基于改进GAN的攻击样本生成方法.基于此方法开展了样本生成实验与入侵检测实验.结果表明,该方法能够生成有效的攻击样本,改进模型的训练效果,模型的F1分数平均增加了4.23%.