诱饵文档作为黑客常用的网络攻击载体,主要包含两部分:文档内容和植入的病毒或木马。诱饵文档内容能否吸引被攻击者是诱饵文档攻击的关键。一般来说,诱饵文档内容构建的方式有两种:一种是人工伪造诱饵文档,费时费力,但迷惑性高,吸引力强,攻击成功率高;另一种是搜集相关的网络资源构建诱饵文档,方便快捷,但迷惑性差,吸引力弱,攻击成功率低。具备较强吸引力和迷惑性的诱饵文档不仅能成功对被攻击者实施攻击,而且能在被攻击者之间广泛传播,扩大攻击的范围。目前为止,快速构建这类高质量诱饵文档的研究还未有进展。本文提出了基于LeakGAN模型的诱饵文档内容生成方法解决诱饵文档构建问题。作为新的长文本生成模型,LeakGAN模型结合了层次强化学习和生成式对抗网络,在中文短文本、英文长文本方面文本生成效果不错,但缺乏中文长文本方面的应用研究工作,同时现有LeakGAN模型存在两个可以优化的方向:收敛速度和文本生成质量。本文分析并优化了 LeakGAN的网络结构,并通过相关实验验证了优化版LeakGAN网络结构的有效性。在收敛速度方面,LeakGAN的生成器基于长短期记忆网络,训练迭代过程中存在内部协变量位移现象,导致网络层数越深收敛速度越慢。所以在训练过程中本文对激活函数的输入数据做批标准化操作,固定输入数据的均值和方差,保持迭代过程中输入数据分布的一致性。实验结果表明,在EMNLP2017WMT英文数据集和搜狗体育新闻中文数据集上,相比原模型,优化版LeakGAN模型的收敛速度分别提升了 11.50%、6.61%。在文本生成质量方面,LeakGAN的判别器基于卷积神经网络,在池化层阶段向生成器反馈高维特征信息指导文本生成过程获得高质量文本,但是反馈信息没有经过进一步的筛选,相关的语法结构和语义信息不足,并不能有效指导生成器。所以本文在判别器的卷积层前后加入自注意力机制,对输入数据和卷积后提取的特征图从语义和语法结构方面进行关键信息筛选,同时自注意力机制可以灵活的捕捉全局和局部的联系,丰富反馈信息中语法结构和语义信息,从而获得高质量的特征信息来指导生成器生成更高质量的文本。实验结果表明,在EMNLP2017 WMT英文数据集和搜狗体育新闻中文数据集采用的BLEU评价指标上,优化版LeakGAN 分别得到0.684、0.481 最好的 BLEU-4评分。本文对LeakGAN模型结构进行了优化,并通过生成实例分析,得出优化版LeakGAN的生成内容质量能满足诱饵文档构建的质量需求,为诱饵文档构建问题提供了一种解决思路。