典型文献
面向样本不平衡的网络安全态势要素获取
文献摘要：
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.
文献关键词：
态势要素;样本特征;卷积神经网络;迁移学习;生成对抗网络
中图分类号：
作者姓名：
张欣;朱江
作者机构：
重庆邮电大学 通信与信息工程学院,重庆 400065
文献出处：
引用格式：
[1]张欣;朱江-.面向样本不平衡的网络安全态势要素获取)[J].计算机工程与应用,2022(01):134-142
A类：
B类：
样本不平衡,网络安全态势,态势要素,取模,样本分布,分布不平衡,统称,小样本,有效检测,准确识别,基分类器,网络数据,深层特征,GAN,生成对抗网络,均衡问题,平衡数据集,迁移学习,应于,训练时间,NSL,KDD,模型训练,收敛速度,分类精度,样本特征
AB值：
0.313165
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
