基于生成對抗網(wǎng)絡與自編碼器的網(wǎng)絡流量異常檢測模型

摘要： 近年來，機器學習尤其是深度學習算法在網(wǎng)絡流量入侵檢測領域得到了廣泛應用，數(shù)據(jù)集樣本類別分布情況是影響機器學習算法性能的一個重要因素。針對網(wǎng)絡攻擊類別多樣，現(xiàn)有網(wǎng)絡流量數(shù)據(jù)集類別分布不均的問題，文章提出了一種基于生成對抗網(wǎng)絡與自編碼器的網(wǎng)絡流量異常檢測模型。首先，文章使用基于Wasserstein距離的條件生成對抗網(wǎng)絡對原始網(wǎng)絡流量數(shù)據(jù)中的少數(shù)類別進行重采樣；然后，使用堆疊去噪自...