计算机工程与应用

2022, v.58;No.992(01) 134-142

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

面向样本不平衡的网络安全态势要素获取
Network Security Situation Elements Acquisition for Sample Imbalance

张欣;朱江;

摘要(Abstract):

针对传统的网络安全态势要素获取模型中,当样本分布不平衡时,占比很少的样本(统称小样本)不能被有效检测,准确识别到每一类攻击样本成为研究热点之一。利用深度学习提出了一种面向样本不平衡的要素获取模型,利用卷积神经网络作为基分类器提取网络数据的深层特征,其次使用GAN生成对抗网络扩充小样本的方法,解决样本分布不均衡问题。在扩充后的平衡数据集上采用迁移学习,加快基分类器到适应于小样本的新分类的训练时间。在NSL-KDD数据集上的实验表明,经过生成对抗网络扩充后的数据集,结合迁移学习有效加快了模型训练收敛速度,并有效提高网络安全态势要素获取的分类精度。

关键词(KeyWords): 态势要素;样本特征;卷积神经网络;迁移学习;生成对抗网络

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61271260,61301122);; 重庆市教委自然科学基金(cstc2015jcyjA40050)

作者(Author): 张欣;朱江;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享