摘要： 針對基于深度學習模型的流量分類器，提出了一種利用后門攻擊實現(xiàn)惡意流量逃逸的方法。通過在訓練過程添加毒化數(shù)據(jù)將后門植入模型，后門模型將帶有后門觸發(fā)器的惡意流量判定為良性，從而實現(xiàn)惡意流量逃逸；同時對不含觸發(fā)器的干凈流量正常判定，保證了模型后門的隱蔽性。采用多種觸發(fā)器分別生成不同后門模型，比較了多種惡意流量對不同后門模型的逃逸效果，同時分析了不同后門對模型性能的影響。實驗驗證了所提... （共11頁）