【标题】6GAN: IPv6 Multi-Pattern Target Generation via Generative Adversarial Nets with Reinforcement Learning

【作者团队】Tianyu Cui, Gaopeng Gou, Gang Xiong, Chang Liu, Peipei Fu, Zhen Li

【发表日期】2022.4.21

【论文链接】https://arxiv.org/pdf/2204.09839.pdf

【推荐理由】由于网络速度和计算能力有限，全球 IPv6 扫描一直是研究人员面临的挑战。最近提出了目标生成算法，通过预测要扫描的候选集来克服 Internet 评估的问题。然而，IPv6 自定义地址配置出现了多种寻址模式，阻碍了算法推断。广泛的 IPv6 别名也可能误导算法发现别名区域而不是有效的主机目标。本文介绍了 6GAN，一种使用生成对抗网络 (GAN) 和强化学习构建的用于多模式目标生成的新型架构。6GAN 强制多个生成器使用多类鉴别器和别名检测器进行训练，以生成具有不同寻址模式类型的非别名活动目标。鉴别器和别名检测器的奖励有助于监督地址序列决策过程。经过对抗训练，6GAN 的生成器对每个模式都保持了很强的模仿能力，6GAN 的判别器获得了出色的模式判别能力，准确率为 0.966。实验表明，该研究通过达到更高质量的候选集而优于最先进的目标生成算法。

内容中包含的图片若涉及版权问题，请及时与我们联系删除