10.11959/j.issn.1000-0801.2023166
一种适用于小样本条件的网络入侵检测方法
现有的网络入侵检测技术多数需要大量恶意样本用于模型训练,但在现网实战时,往往只能获取少量的入侵流量样本,属于小样本条件.对此,提出了一种适用于小样本条件的网络入侵检测方法.该方法由数据包采样模块和元学习模块两部分组成,数据包采样模块用于对网络原始数据进行筛选、剪切与重组,元学习模块则用于特征提取、结果分类.在基于真实网络流量数据源构建的 3 个小样本数据集上的实验结果表明,该方法适用性好、收敛快,能有效减少异常点的出现,在 10 个训练样本下的检测率最高可达 99.29%,准确率最高可达97.93%,相比目前已有的算法,分别提升了0.12%和0.37%.
入侵检测、小样本、元学习、网络安全、深度学习
39
TP393(计算技术、计算机技术)
2023-11-17(万方平台首次上网日期,不代表论文的发表时间)
共16页
85-100