基于邊緣樣本的智能網(wǎng)絡(luò)入侵檢測系統(tǒng)數(shù)據(jù)污染防御方法

摘要： 人工智能已被廣泛應(yīng)用于網(wǎng)絡(luò)入侵檢測系統(tǒng).然而由于流量樣本存在概念漂移現(xiàn)象，用于惡意流量識別的模型必須頻繁更新以適應(yīng)新的特征分布.更新后模型的有效性依賴新增訓(xùn)練樣本的質(zhì)量，所以防止數(shù)據(jù)污染尤為重要.然而目前流量樣本的污染過濾工作仍依賴專家經(jīng)驗，這導(dǎo)致在模型更新過程中存在樣本篩選工作量大、模型準確率不穩(wěn)定、系統(tǒng)易受投毒攻擊等問題.現(xiàn)有工作無法在保證模型性能的同時實現(xiàn)污染過濾或模型修...