10.3979/j.issn.1673-825X.202101040004
基于复杂样本的安全态势要素分类架构
针对网络安全态势要素获取中大规模复杂攻击样本分类困难的问题,提出一种基于条件变分自编码网络的安全态势要素分类架构.该架构分为编码网络和生成网络两部分,均采用深度神经网络作为其基础框架.编码网络用于对高维数据进行降维,提取其隐含特征;生成网络用于对降维后的样本进行重构,生成新的样本.在生成网络中引入混合密度模型优化其特征提取能力,提高重构数据的准确性.采用训练数据对该架构进行训练,训练后的编码网络作为分类器,识别样本类型;生成网络生成指定类别的样本数据,以平衡复杂样本中各类攻击样本的数量,提高分类精度.仿真结果表明,与其他对比模型相比,所提分类架构具有较好的降维效果和较高的态势要素分类精度.
网络安全态势要素分类、混合密度模型、条件变分自编码器、深度神经网络
34
TP393.08(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;重庆市科委自然科学基金
2022-09-05(万方平台首次上网日期,不代表论文的发表时间)
共9页
719-727