溯源是一种包含了数据对象历史信息和对象之间依赖关系的特殊元数据。目前,溯源已经被用于入侵检测,用来提高检测精确度。但由于训练样本匮乏,制约了检测精确性的进一步提升。另一方面,生成对抗网络可以用来生成数据,且已经用于图像领域,有很大的潜力可以用于入侵检测数据集的生成。提出了基于生成对抗网络的溯源图样本生成技术。首先,选取出溯源图中心节点及其邻域节点,并将节点按照时序进行向量化处理,将溯源图样本转化为溯源图向量,以便选取神经网络模型。其次,在现有生成对抗网络的基础之上,根据溯源图向量的数据特点和所选神经网络模型的自身特点,对生成对抗网络的生成器和判别器神经网络模型进行组合,设计出五组备选生成模型。最后,对所设计的五组生成模型在判别器损失、余弦相似度、误检率这三个指标上进行评估,选择出具有最佳生成效果的生成模型。根据评估结果,所设计的以长短期记忆神经网络为生成器,全连接神经网络为判别器的生成模型具有最佳的生成效果。训练中辨别器损失能够收敛在0.5附近,生成样本与原始样本的向量相似度在95%以上,各应用的误检率均在4%～10%之间,证明所选生成模型对各应用均具有良好的生成效果,且生成结果能够用于实际的入侵检测之中。