| 基于生成对抗网络的入侵检测类别不平衡问题数据增强方法 |
| |
| 引用本文： | 孙佳佳,李承礼,常德显,高立伟.基于生成对抗网络的入侵检测类别不平衡问题数据增强方法[J].科学技术与工程,2022,22(18):7965-7971. |
| |
| 作者姓名： | 孙佳佳 李承礼 常德显 高立伟 |
| |
| 作者单位： | 战略支援部队信息工程大学 |
| |
| 摘 要： | 数据类别不平衡问题是制约机器学习技术在入侵检测领域应用效果的重要因素。当训练数据不均衡时,训练得到模型的分类结果往往倾向多数类,从而极大影响分类效果。针对基于机器学习算法进行入侵检测时训练样本不均衡以及由于数据隐私性导致训练样本不足和更新慢的问题,提出一种基于生成对抗网络和深度神经网络相结合的入侵数据增强方法,以实现样本集的类别均衡。通过NSL-KDD数据集对模型评估,本文所提方法不仅具有较高的准确率,而且对未知攻击和只有少数样本的攻击类型具有较高的检测率。
|
| 关 键 词： | 生成对抗网络 入侵检测 非均衡数据集 数据增强 |
| 收稿时间： | 2021/8/10 0:00:00 |
| 修稿时间： | 2022/3/29 0:00:00 |
A Data Augmentation Method for Intrusion Detection Imbalance Problem using Generative Adversarial Networks |
| |
| Sun Jiaji,Li Chengli,Chang Dexian,Gao Liwei.A Data Augmentation Method for Intrusion Detection Imbalance Problem using Generative Adversarial Networks[J].Science Technology and Engineering,2022,22(18):7965-7971. |
| |
| Authors: | Sun Jiaji Li Chengli Chang Dexian Gao Liwei |
| |
| Institution: | PLA SSF Information Engineering University |
| |
| Abstract: | |
| |
| Keywords: | generative adversarial networks intrusion detection imbalanced dataset data augmentation |
|
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 |
