在不平衡數(shù)據(jù)的應(yīng)用中,少量的負(fù)樣本（異常數(shù)據(jù)）往往是檢測(cè)準(zhǔn)確率低的重要原因,如在主機(jī)異常檢測(cè)領(lǐng)域中,異常樣本過(guò)少使得檢測(cè)效果不佳.為解決這一問(wèn)題,該文改進(jìn)了深度卷積生成對(duì)抗網(wǎng)絡(luò),使其更易于收斂和生成樣本.再通過(guò)將改進(jìn)的深度卷積生成對(duì)抗網(wǎng)絡(luò)用于入侵檢測(cè)評(píng)測(cè)數(shù)據(jù)集ADFA-LD異常樣本的訓(xùn)練,構(gòu)造出更多的異常樣本.最后,為驗(yàn)證生成樣本的效果,以多種異常檢測(cè)方法檢測(cè)對(duì)上述增加樣本后的平衡數(shù)據(jù)進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)新增加的異常樣本能被全部檢測(cè)出,而且已測(cè)出的異常樣本無(wú)漏檢,實(shí)現(xiàn)了高檢測(cè)率和低誤報(bào)率.對(duì)比實(shí)驗(yàn)表明該文提出的小樣本數(shù)據(jù)生成方法能有效解決某些數(shù)據(jù)不平衡的應(yīng)用問(wèn)題. 

【文章來(lái)源】：江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,44(04)北大核心

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

基于DCGAN生成主機(jī)異常序列及其檢測(cè)框架

將ADFA-LD數(shù)據(jù)集的正常序列和異常序列轉(zhuǎn)換為20×20像素的圖像

表現(xiàn)最佳的1次迭代所生成的10條異常序列

【參考文獻(xiàn)】：
期刊論文
[1]基于生成式對(duì)抗網(wǎng)絡(luò)的中文字體風(fēng)格遷移[J]. 滕少華,孔棱睿.  計(jì)算機(jī)應(yīng)用研究. 2019(10)
[2]SVM-DT-Based Adaptive and Collaborative Intrusion Detection[J]. Shaohua Teng,Naiqi Wu,Haibin Zhu,Luyao Teng,Wei Zhang.  IEEE/CAA Journal of Automatica Sinica. 2018(01)



本文編號(hào)：3085986