論文の概要: 6GAN: IPv6 Multi-Pattern Target Generation via Generative Adversarial
Nets with Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2204.09839v1
- Date: Thu, 21 Apr 2022 01:25:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-23 02:52:28.795530
- Title: 6GAN: IPv6 Multi-Pattern Target Generation via Generative Adversarial
Nets with Reinforcement Learning
- Title(参考訳): 6GAN: 強化学習による生成逆ネットによるIPv6マルチパターンターゲット生成
- Authors: Tianyu Cui, Gaopeng Gou, Gang Xiong, Chang Liu, Peipei Fu, Zhen Li
- Abstract要約: 6GANは、GAN(Generative Adrial Net)とマルチパターンターゲット生成のための強化学習によって構築された、新しいアーキテクチャである。
6GANのジェネレータはパターンごとに強い模倣能力を保ち、6GANの識別器は0.966の精度で優れたパターン識別能力を得る。
- 参考スコア(独自算出の注目度): 10.054944443127376
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Global IPv6 scanning has always been a challenge for researchers because of
the limited network speed and computational power. Target generation algorithms
are recently proposed to overcome the problem for Internet assessments by
predicting a candidate set to scan. However, IPv6 custom address configuration
emerges diverse addressing patterns discouraging algorithmic inference.
Widespread IPv6 alias could also mislead the algorithm to discover aliased
regions rather than valid host targets. In this paper, we introduce 6GAN, a
novel architecture built with Generative Adversarial Net (GAN) and
reinforcement learning for multi-pattern target generation. 6GAN forces
multiple generators to train with a multi-class discriminator and an alias
detector to generate non-aliased active targets with different addressing
pattern types. The rewards from the discriminator and the alias detector help
supervise the address sequence decision-making process. After adversarial
training, 6GAN's generators could keep a strong imitating ability for each
pattern and 6GAN's discriminator obtains outstanding pattern discrimination
ability with a 0.966 accuracy. Experiments indicate that our work outperformed
the state-of-the-art target generation algorithms by reaching a higher-quality
candidate set.
- Abstract(参考訳): グローバルIPv6スキャンは、ネットワーク速度と計算能力の制限により、研究者にとって常に課題となっている。
ターゲット生成アルゴリズムは,スキャン対象候補を予測することにより,インターネットアセスメントの問題を克服するために提案されている。
しかし、ipv6カスタムアドレス設定はアルゴリズム推論を損なう多様なアドレスパターンとして現れる。
広範なipv6エイリアスは、有効なホストターゲットではなく、エイリアス領域を発見するアルゴリズムを誤解させる可能性がある。
本稿では,GAN(Generative Adversarial Net)とマルチパターンターゲット生成のための強化学習を組み合わせた新しいアーキテクチャである6GANを紹介する。
6GANは複数のジェネレータにマルチクラス判別器とエイリアス検出器で訓練させ、異なるアドレスパターンタイプで非アライズされたアクティブターゲットを生成する。
識別器とエイリアス検出器からの報酬は、アドレスシーケンス決定プロセスの監督に役立つ。
敵対的な訓練の後、6GANのジェネレータは各パターンに対して強力な模倣能力を保ち、6GANの識別器は0.966の精度で優れたパターン識別能力を得る。
実験は,高品質な候補集合に到達することにより,最先端の目標生成アルゴリズムを上回ったことを示す。
関連論文リスト
- GE-AdvGAN: Improving the transferability of adversarial samples by
gradient editing-based adversarial generative model [69.71629949747884]
GAN(Generative Adversarial Networks)のような逆生成モデルは、様々な種類のデータを生成するために広く応用されている。
本研究では, GE-AdvGAN という新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-01-11T16:43:16Z) - Synergizing Quality-Diversity with Descriptor-Conditioned Reinforcement
Learning [4.787389127632926]
品質多様性最適化(Quality-Diversity Optimization)は進化的アルゴリズムの一種で、多種多様な高性能なソリューションのコレクションを生成する。
MAP-Elitesは、進化ロボティクスを含む様々な分野に適用された顕著な例である。
本研究は,(1)記述者条件付き評論家による多様度探索と勾配に基づく手法との整合性を考慮した政策グラディエント変動演算子を強化すること,(2)追加費用なしで記述者条件付き政策を学習するためにアクタ批判的訓練を活用すること,の3つの貢献を提示する。
論文 参考訳(メタデータ) (2023-12-10T19:53:15Z) - 6GCVAE: Gated Convolutional Variational Autoencoder for IPv6 Target
Generation [7.462399334010083]
本稿では,深層学習を用いてIPv6ターゲット生成アルゴリズムを設計する。
このモデルは、ゲート畳み込み層を積み重ねてアドレス構造を効果的に学習し、可変オートエンコーダ(VAE)を構築する。
実験の結果,従来のVAEモデルと最先端ターゲット生成アルゴリズムを2つのアクティブアドレスデータセットで比較した。
論文 参考訳(メタデータ) (2022-04-20T12:36:19Z) - Generative Cooperative Networks for Natural Language Generation [25.090455367573988]
本稿では,リアルテキストのサンプルを出力する生成ポリシーとともに,識別器アーキテクチャを協調的に使用する生成協調ネットワークについて紹介する。
我々は,提案手法の収束を理論的に保証し,2つの主要なNLGタスクにおいて,最先端の成果を実証的に達成するための様々な効率的な復号化手法について検討する。
論文 参考訳(メタデータ) (2022-01-28T18:36:57Z) - Unsupervised Domain-adaptive Hash for Networks [81.49184987430333]
ドメイン適応型ハッシュ学習はコンピュータビジョンコミュニティでかなりの成功を収めた。
UDAHと呼ばれるネットワークのための教師なしドメイン適応型ハッシュ学習手法を開発した。
論文 参考訳(メタデータ) (2021-08-20T12:09:38Z) - Discriminative-Generative Representation Learning for One-Class Anomaly
Detection [22.500931323372303]
生成法と識別法を組み合わせた自己教師型学習フレームワークを提案する。
提案手法は,複数のベンチマークデータセットにおいて,最先端の処理性能を著しく向上させる。
論文 参考訳(メタデータ) (2021-07-27T11:46:15Z) - MCL-GAN: Generative Adversarial Networks with Multiple Specialized
Discriminators [69.2281872339588]
本稿では,複数の識別器を用いた生成的対向ネットワークを提案する。
データ全体のサブセットに専門知識を持つように、各差別者を指導します。
複数の識別器を使用するにもかかわらず、バックボーンネットワークは識別器間で共有される。
論文 参考訳(メタデータ) (2021-07-15T11:35:08Z) - Multi-Source Domain Adaptation for Object Detection [52.87890831055648]
我々は、Divide-and-Merge Spindle Network (DMSN)と呼ばれる、より高速なR-CNNベースのフレームワークを提案する。
DMSNはドメイン非ネイティブを同時に強化し、識別力を維持することができる。
擬似目標部分集合の最適パラメータを近似する新しい擬似学習アルゴリズムを開発した。
論文 参考訳(メタデータ) (2021-06-30T03:17:20Z) - Determinantal Beam Search [75.84501052642361]
ビームサーチは、ニューラルシーケンスモデルをデコードするためのゴーツー戦略である。
複数のソリューションを要求するユースケースでは、多様あるいは代表的なセットがしばしば望まれる。
ビームサーチを一連の部分決定問題として繰り返し行うことにより、アルゴリズムを多種多様なサブセット選択プロセスに変換することができる。
論文 参考訳(メタデータ) (2021-06-14T13:01:46Z) - MRDet: A Multi-Head Network for Accurate Oriented Object Detection in
Aerial Images [51.227489316673484]
水平アンカーから変換された指向性提案を生成するために、任意指向領域提案ネットワーク(AO-RPN)を提案する。
正確なバウンディングボックスを得るために,検出タスクを複数のサブタスクに分離し,マルチヘッドネットワークを提案する。
各ヘッドは、対応するタスクに最適な特徴を学習するために特別に設計されており、ネットワークがオブジェクトを正確に検出することができる。
論文 参考訳(メタデータ) (2020-12-24T06:36:48Z) - 6VecLM: Language Modeling in Vector Space for IPv6 Target Generation [26.73994727119052]
このようなターゲット生成アルゴリズムを実現するために,本手法を6VecLMに導入する。
アーキテクチャは、アドレスをベクトル空間にマッピングして意味的関係を解釈することができる。
実験により,本手法はアドレス空間のセマンティックな分類が可能であることが示された。
論文 参考訳(メタデータ) (2020-08-05T16:26:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。