虚假任务攻击对于旨在阻塞传感服务器的移动群智感知系统MCS至关重要 MCS平台并从参与者的智能设备中消耗更多能量。通常假任务是 由经验模型创建如CrowdSenSim工具。最近网络犯罪分子部署了更智能的 创建攻击的机制。生成对抗网络GAN是最强大的网络之一 生成合成样品的技术。GAN 将训练数据集中的整个数据视为 创建类似的示例。该项目旨在使用 GAN 创建假任务并验证假任务检测 性能。

该项目的主要目标是通过使用生成对抗网络（GAN）创建虚假任务，并验证其检测性能。这是在移动群智感知系统（MCS）中防止虚假任务攻击的关键问题，因为这些攻击会导致MCS平台被阻塞，并消耗参与者的智能设备更多的能量。

传统上，假任务是由经验模型创建的，如CrowdSenSim工具。但是，最近网络犯罪分子已经开始使用更智能的机制来创建假任务。其中，生成对抗网络（GAN）是最强大的网络之一，可以生成合成样本。GAN将整个数据集视为一个整体，从而能够创建类似的示例。

该项目的方法是使用GAN来创建虚假任务，然后将这些任务注入到MCS平台中。接下来，通过使用机器学习算法来检测这些虚假任务，并评估检测性能。这将有助于验证GAN在创建虚假任务方面的能力，并为MCS平台提供更好的保护措施。

总之，该项目旨在利用生成对抗网络（GAN）创建虚假任务，并评估其检测性能。这将有助于增强移动群智感知系统（MCS）的安全性，防止虚假任务攻击。