1.一种基于ε‑贪心专家决策筛选的主动学习溯源攻击方法，其特征在于，包括如下步骤：Step1:初始化贪婪系数ε，初始化迭代次数m为1；

Step2:初始化系统环境U，并初始化攻击节点的位置s；

Step3:将攻击节点位置s收集进U中；

Step4:随机(0,1)中的一个数，判断该数是否大于贪婪系数ε，若是，则执行Step5，否则执行Step6；

Step5:利用分类器f来得到当前攻击节点位置在当前的分类器f下游走概率最大的方向a；

Step6:根据当前的攻击节点位置s进行随机指定下一个游走方向a，游走方向皆为攻击节点的邻近节点；

Step7:攻击节点根据游走方向a进行游走，更新攻击节点s；

Step8:将更新后的攻击节点位置s收集进U中；

Step9:判断攻击代理A下的攻击节点位置s是否到达源节点，若是，结束循环，执行Step10，否则继续执行Step4‑8；

Step10:判断贪婪系数ε是否大于0.05，若是，则执行Step11，否则执行Step12；Step11:更新贪婪系数ε为ε‑Δε；

Step12:利用样本信息度的多重采样策略算法对游走过程中收集的网络流量数据U根据样本信息度进行多重采样处理得到无标签的网络流量样本集合的信息度集合Z；

Step13:利用基于样本空间性的采样策略算法对无标签的网络流量样本集合的信息度集合Z根据样本空间性进行采样处理得到候选样本集合Ucandicates；

Step14:利用基于样本多样性的采样策略算法对候选样本集Ucandicates根据样本多样性进行采样处理并进行专家标注后得到专家标注样本集合L；

Step15:针对全部的专家集合中的专家 和专家标注样本集合L更新分类器、分类器性能指标 模型游走步长Step16:更新攻击代理A；

Step17:判断迭代次数m是否大于最大筛选迭代次数M，若是，则执行Step18，否则执行Step2‑16；

Step18:利用攻击模型专家筛选算法对分类器性能指标 模型游走步长 进行处理得到最优专家oc；

Step19:利用基于ε‑贪心的专家决策优化算法对最优专家oc进行处理得到权重最大的一个专家决策

2.根据权利要求1所述的基于ε‑贪心专家决策筛选的主动学习溯源攻击方法，其特征在于，所述步骤Step12中，为了提高整体攻击性能，建立一个基于样本信息度的多重采样策略算法，过程如下：采样样本的信息熵、代表性和覆盖率的信息度加权策略，并定义信息度如式(1)：Ix＝α×H(x)+β×R(x)+(1‑α‑β)×C(x) 式(1)其中H(x)为样本x的信息熵，R(x)为样本x的代表性，C(x)为样本x的覆盖率，Ix表示样本的信息度，结合了信息熵、代表性与覆盖率的加权值，α,β分别为信息熵和代表性的加权系数，α∈[0,1]，β∈[0,1]，α+β≤1；

样本x的信息熵H(x)是度量训练样本集中样本不确定性的最常用方法之一，计算公式如式(2)：其中，表示样本x的预测标签， 表示x被预测为 的概率；

样本x的代表性R(x)为样本x与训练样本集合中的其他样本的相似度，样本间的相似度采用标准化后的皮尔逊相关系数计算，如式(3)，则样本代表性形式化定义为式(4)：Sim(xi,xj)＝0.5+0.5×rp(xi,xj) 式(3)其中，rp(xi,xj)表示样本xi和xj的皮尔逊相关系数，Sim(xi,xj)表示标准化到[0,1]的样本相似度， 表示与样本x相似度最高的K个样本；

针对训练集中的两个不同样本xi和xj，分别计算这两个样本与样本训练集L的相似度，再对两者的系数向量Sim(xi,L)和Sim(xj,L)，计算其余弦相似度cos(·)，如式(5)，最后定义样本的覆盖率C(x)形式化定义为式(6)：其中L为样本训练集，Sim(xi,L)表示样本xi与训练集L的相似度，表示样本训练集L中与样本x余弦相似度最低的K个样本。

3.根据权利要求1或2所述的基于ε‑贪心专家决策筛选的主动学习溯源攻击方法，其特征在于，所述步骤Step13中，为解决较大的采样样本数量导致攻击模型的训练时间和较小的采样样本数量降低攻击模型的性能问题，提出基于样本空间性采样策略算法，过程如下：先将样本信息度Ix进行排序，再利用置信度计算两个相邻样本的信息度Ix的偏差γd，并判断是否超过置信度阈值γ，如式(7)：其中，Iu+1和Iu为两个信息度相邻的样本，计算所有的样本偏差集合为γD；

当两个相邻样本的信息度偏差较大，说明该样本的信息度相对较大，那么将其加入采样样本中，即采样样本数量加一；综合所有偏差可得到最小化的采样样本数量N，如式(8)和式(9)：由式(9)得到采样样本数量N后，攻击者可以针对无标签的训练样本集合筛选是信息度最高的N个训练样本作为下一个算法的输入样本集，如式(10)所示：

4.根据权利要求1或2所述的基于ε‑贪心专家决策筛选的主动学习溯源攻击方法，其特征在于，所述步骤Step14中，考虑到基于样本空间性的采样策略算法得到的未标记训练样本为Ucandicates可能存在样本相似度较大，提出一种基于样本多样性的采样策略算，过程如下：首先利用机器学习算法中的常用聚类算法对未标记训练样本为Ucandicates进行聚类操作处理，可得到k个不同的簇，XC＝{xc1,xc2,…,xck}，针对每个簇xck，对其中所含的训练样本进行信息度I(x)排序处理，再从每个簇xck中筛选出信息度最高的训练样本，从而形成最终的训练样本集合L，如式(11)所示：

5.根据权利要求1或2所述的基于ε‑贪心专家决策筛选的主动学习溯源攻击方法，其特征在于，所述步骤Step18中，挑选出适合该模型的专家以提高游走性能，减少游走步长，从而提高整体攻击性能；

攻击模型专家筛选算法涉及对于分类器性能和游走步长的专家信息度加权策略，并定义专家系统信息度如式(12)：其中， 为专家h的第m次学习， 为在专家h在第m次学习下主动学习分类器的性能指标， 为专家h在第m次学习下溯源攻击模型的游走步长， 表示专家h进行第m次学习的专家系统信息度，结合了分类器性能指标和游走步长的加权值，λ为分类器性能指标的加权系数，λ∈[0,1]；

在专家h下主动学习分类器的性能指标 的计算公式如式(13)：其中，

其中， 为在专家h进行第m次学习下节点被正确预测的真实节点数， 在专家h进行第m次学习下节点被错误预测的真实节点数， 在专家h进行第m次学习下节点被错误预测的虚假节点数。

6.根据权利要求5所述的基于ε‑贪心专家决策筛选的主动学习溯源攻击方法，其特征在于，为了解决 中两个影响因素的量纲不同，便于比较权衡和加快模型运算速度，对其进行归一化处理，过程如下：首先分别计算第m次学习中，全部专家的下分类模型性能指标和游走步长的均值和标准差，如式(15)和式(16)所示：m

其中，O 为全部专家进行第m次学习， 为专家h进行第m次学习，Hmax为专家个数，再将其进行归一化处理，如式(17)所示：其中， 为归一化后，专家h中在第m次学习中分类器性能指标， 为归一化后，专家h中在第m次学习中攻击模型的游走步长；

为了比较不同专家之间的信息度，并结合式(12)和式(17)，得到式(18)：其中， 为专家h中在第m次学习中的专家系统信息度；

那么，在M次的学习中的专家h的专家系统总信息度为式(19)：因此，在攻击模型专家筛选算法中，攻击者的目的就是找到最高信息度的专家，作为后续正式攻击的专家，其形式化定义为：

7.根据权利要求1或2所述的基于ε‑贪心专家决策筛选的主动学习溯源攻击方法，其特征在于，所述步骤Step19，中为增加自身标注的稳定性以及减少受不同的标注决策影响的攻击模型的攻击时间开销，提出优化算法，过程如下：首先，专家oc在主动学习中以不同的贪心系数ε进行学习采样并样本标注，并收集在贪心系数ε下专家系统总信息度 和游走时间 作为该算法的数据集，再将其进行归一化处理，对数据集进行排序并去极值处理，最后定义专家决策信息度如式(21)：其中， 为专家c以贪心系数ε进行学习， 为在专家c以贪心系数ε下进行主动学习专家系统总信息度， 为在专家c以贪心系数ε下进行主动学习下溯源攻击模型的游走时间， 表示专家c以贪心系数ε下进行主动学习的专家决策信息度，结合了分类器性能指标和游走时间的加权值，μ为分类器性能指标的加权系数，μ∈[0，1]；

在得到专家决策信息度集合后，根据 的数值大小对不同贪心系数ε下专家c进行排序，从中选择权重最大的一个专家决策 如式(22)所示：

8.根据权利要求7所述的基于ε‑贪心专家决策筛选的主动学习溯源攻击方法，其特征在于，得到权重最大的一个专家决策 完成溯源攻击。