基于迁移学习的跨域异常流量检测

摘要：

基于已知数据的机器学习模型在实际异常流量检测任务中不完全可靠,为此,将不同分布的流量分别作为源域和目标域,建立跨域网络异常流量检测框架,提出了基于联合分布适配的迁移学习方法.通过寻找最优变换矩阵、适配源域与目标域之间的条件概率和边缘概率,实现源域与目标域间的特征迁移,从而解决由于源域与目标域分布差异大所引起的检测准确率下降等问题.实验结果表明,所提方法可以显著提升跨域流量的检测准确率.

关键词：异常流量检测、跨域、迁移、联合分布适配、机器学习

所属期刊栏目：44

分类号：TP393.08(计算技术、计算机技术)

资助基金：国家重点研发计划;中央高校基本科研业务费专项;安徽省自然科学基金

在线出版日期：2021-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：33-39