針對傳統(tǒng)機(jī)器學(xué)習(xí)方法在處理非平衡的海量入侵?jǐn)?shù)據(jù)時(shí)少數(shù)類檢測率低的問題,提出一種融合生成式對抗網(wǎng)絡(luò)（GAN）、粒子群算法（PSO）和極限學(xué)習(xí)機(jī)（ELM）的入侵檢測（GAN-PSO-ELM）方法。對原始網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行預(yù)處理,利用GAN并采用整體類擴(kuò)充的方式對數(shù)據(jù)集進(jìn)行少數(shù)類樣本擴(kuò)充。在擴(kuò)充后的平衡數(shù)據(jù)集上,利用PSO算法優(yōu)化ELM的輸入權(quán)重與隱含層偏置,并建立入侵檢測模型。在NSL-KDD數(shù)據(jù)集上進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,與SVM、ELM、PSO-ELM方法相比,GAN-PSO-ELM不僅具有較高的檢測效率,而且在整體檢測準(zhǔn)確率上平均提高了3.74%,在少數(shù)類R2L和U2R上分別平均提高了28.13%和16.84%。 

【文章來源】：計(jì)算機(jī)工程與應(yīng)用. 2020,56(12)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

不同隱含層節(jié)點(diǎn)數(shù)和激活函數(shù)的檢測準(zhǔn)確率

實(shí)驗(yàn)過程中，本文分別選用迭代次數(shù)為100、300、500、700和900進(jìn)行GAN訓(xùn)練樣本擴(kuò)充實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖5所示，在迭代次數(shù)500以后的檢測準(zhǔn)確率趨于穩(wěn)定，隨著迭代次數(shù)的增加檢測準(zhǔn)確率無明顯提高。綜合考慮時(shí)間效率和實(shí)驗(yàn)結(jié)果，在后續(xù)的實(shí)驗(yàn)中GAN迭代次數(shù)選擇500次。4.5 結(jié)果分析

網(wǎng)絡(luò)異常行為的實(shí)時(shí)性檢測是入侵檢測方法的一個重要的效率指標(biāo)，為了驗(yàn)證GAN-PSO-ELM在入侵檢測中的檢測效率，在不同規(guī)模的測試集上對GAN-PSO-ELM、SVM和ELM進(jìn)行實(shí)驗(yàn)，測試所需時(shí)間如圖6所示。由圖6可知，在不同規(guī)模的測試集上，GAN-PSO-ELM的檢測效率都要高于SVM，并且隨著測試集數(shù)據(jù)的增大檢測花費(fèi)的時(shí)間差也變大；與ELM相比，GAN-PSO-ELM運(yùn)行時(shí)間要稍微高一點(diǎn)，但是總體相差時(shí)間有限。

【參考文獻(xiàn)】：
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的移動安全性能預(yù)測[J]. 徐凌偉,權(quán)天祺.  聊城大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(03)
[2]工業(yè)控制系統(tǒng)網(wǎng)絡(luò)入侵檢測方法綜述[J]. 張文安,洪榛,朱俊威,陳博.  控制與決策. 2019(11)
[3]基于生成式對抗網(wǎng)絡(luò)的結(jié)構(gòu)化數(shù)據(jù)表生成模型[J]. 宋珂慧,張瑩,張江偉,袁曉潔.  計(jì)算機(jī)研究與發(fā)展. 2019(09)
[4]基于粒子群優(yōu)化算法的測光紅移回歸預(yù)測[J]. 穆永歡,邱波,魏詩雅,宋濤,鄭子鵬,郭平.  光譜學(xué)與光譜分析. 2019(09)
[5]基于KELM選擇性集成的復(fù)雜網(wǎng)絡(luò)環(huán)境入侵檢測[J]. 劉金平,何捷舟,馬天雨,張五霞,唐朝暉,徐鵬飛.  電子學(xué)報(bào). 2019(05)
[6]深度自編碼網(wǎng)絡(luò)在入侵檢測中的應(yīng)用研究[J]. 丁紅衛(wèi),萬良,龍廷艷.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2019(05)
[7]基于KNN離群點(diǎn)檢測和隨機(jī)森林的多層入侵檢測方法[J]. 任家東,劉新倩,王倩,何海濤,趙小林.  計(jì)算機(jī)研究與發(fā)展. 2019(03)
[8]基于CUDA和布谷鳥算法的SVM在工控入侵檢測中的應(yīng)用[J]. 陳漢宇,王華忠,顏秉勇.  華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[9]改進(jìn)的HS算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的入侵檢測研究[J]. 丁紅衛(wèi),萬良,鄧烜堃.  計(jì)算機(jī)工程與科學(xué). 2019(01)
[10]不平衡數(shù)據(jù)分類方法綜述[J]. 李艷霞,柴毅,胡友強(qiáng),尹宏鵬.  控制與決策. 2019(04)



本文編號：2999295