小样本数据生成及其在异常检测中的应用

发布时间：2021-03-16 11:45

　　在不平衡数据的应用中,少量的负样本（异常数据）往往是检测准确率低的重要原因,如在主机异常检测领域中,异常样本过少使得检测效果不佳.为解决这一问题,该文改进了深度卷积生成对抗网络,使其更易于收敛和生成样本.再通过将改进的深度卷积生成对抗网络用于入侵检测评测数据集ADFA-LD异常样本的训练,构造出更多的异常样本.最后,为验证生成样本的效果,以多种异常检测方法检测对上述增加样本后的平衡数据进行实验,实验结果发现新增加的异常样本能被全部检测出,而且已测出的异常样本无漏检,实现了高检测率和低误报率.对比实验表明该文提出的小样本数据生成方法能有效解决某些数据不平衡的应用问题. 

【文章来源】：江西师范大学学报(自然科学版). 2020,44(04)北大核心

【文章页数】：9 页

【部分图文】：

基于DCGAN生成主机异常序列及其检测框架

将ADFA-LD数据集的正常序列和异常序列转换为20×20像素的图像

表现最佳的1次迭代所生成的10条异常序列

【参考文献】：
期刊论文
[1]基于生成式对抗网络的中文字体风格迁移[J]. 滕少华,孔棱睿.  计算机应用研究. 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)



本文编号：3085986