10.3969/j.issn.1672-9870.2019.06.026
基于生成对抗网络的异常行为模拟算法研究
信息技术飞速发展导致了网络上的信息日益增加,随之而来的网络攻击日渐频繁,其频率和破坏力都在不断上升,攻击的隐匿性也越来越高.隐藏在大量信息下的网络攻击和异常行为,亟需有效的检测方法.训练机器学习检测算法时,对异常样本的数量要求较高.当异常样本在训练数据集中比例较小时,获得的模型检测效果较差.本文提出一种基于生成式对抗网络(Generative Adversarial Network,GAN)的异常数据模拟算法,用于提高训练样本中异常数据集的比例,解决了训练样本数据不均衡的问题,并利用K-means算法验证了生成样本数据的质量.
生成对抗网络、异常行为模拟、网络攻击、K-means算法
42
TP18(自动化基础理论)
吉林省教育厅项目吉教科合字[2016]第558号
2020-01-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
138-142