AdvTG

Paper：AdvTG: An Adversarial Traffic Generation Framework to Deceive DL-Based Malicious Traffic Detection Models，WWW 2025

本文是一个对抗性流量生成框架，主要在解决基于 Payload 的攻击。

现有工作的局限：

• 传统的对抗攻击多针对统计特征或者序列特征，对基于 Payload 的模型攻击效果不佳。
• 直接修改流量载荷极易破坏协议规范。

image.png

论文的方法如上。第一步是用流量对LLM使用Lora微调。

注意这里使用的是 HTTP 流量。

然后第二步是使用PPO进行强化学习训练。奖励函数公式如下：

其中 是对抗奖励。如果生成的流量让检测模型误判，得分就高。第二项是 KL 散度，限制 RL 模型不要偏离微调后的 LLM 太远。

整体思路还是挺简单的，就是微调+强化学习后训练。

实验结果如下：

image.png

你妹的竟然没有公开权重…几个意思，气死我了。