基于GANs-LightGBM的序贯三支异常用户检测研究

摘要：

针对网络中异常数据类别分布的不平衡性和异常用户检测代价的敏感性,在序贯三支决策框架下,提出了一种基于生成式对抗网络和集成学习模型的异常用户检测方法.利用生成式对抗网络(generative adversarial nets,GANs)模型对异常/非异常数据进行类别平衡,并在多层次多粒度的特征空间下训练LightGBM模型,持续地处理不确定域的样本以识别异常用户.实验结果表明,与传统的机器学习算法相比,该方法在异常用户检测中具有较高的AUC值和较低的检测代价.

关键词：异常用户检测;序贯三支决策;生成式对抗网络;集成学习;检测代价

所属期刊栏目：33

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目;教育部人文社会科学青年基金

在线出版日期：2021-11-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：816-825