文档名：基于GAN数据增强和混合神经网络的入侵检测方法
针对入侵数据非平衡、传统机器学习算法依赖人工特征提取、特征表示不准确的问题,提出一种基于GAN数据增强和混合神经网络的入侵检测方法GCG.该方法的重点在于构建生成式对抗网络并利用生成器和判别器的博弈思想生成相对平衡的流量数据训练集,以此来解决数据非平衡问题.将经过预处理后的流量数据的矩阵表示形式输入到混合神经网络中,通过卷积操作和门控操作分别从空间和时序两个层面上对流量数据进行特征提取,以此来精准特征表示.采用Softmax分类算法对网络流量数据进行分类.仿真实验均已在NSL-KDD数据集上得到验证,实验表明,该文所集成的入侵检测方法具有良好效果.
作者：刘全明 李岩纬 李尹楠 于娟娟 马超
作者单位：山西大学计算机与信息技术学院,太原030000;山西晋信安科技有限公司,太原030000山西大学计算机与信息技术学院,太原030000山西晋信安科技有限公司,太原030000
母体文献：2020中国网络安全等级保护和关键信息基础设施保护大会论文集
会议名称：2020中国网络安全等级保护和关键信息基础设施保护大会
会议时间：2020年12月20日
会议地点：南宁
主办单位：公安部第一研究所
语种：chi
分类号：TP3TN3
关键词：互联网 入侵检测 生成式对抗网络 数据增强 混合神经网络
在线出版日期：2021年11月24日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.39 MB
- 下载次数:
- 60
-
高速下载
|
|
