典型文献
基于复杂样本的安全态势要素分类架构
文献摘要：
针对网络安全态势要素获取中大规模复杂攻击样本分类困难的问题,提出一种基于条件变分自编码网络的安全态势要素分类架构.该架构分为编码网络和生成网络两部分,均采用深度神经网络作为其基础框架.编码网络用于对高维数据进行降维,提取其隐含特征;生成网络用于对降维后的样本进行重构,生成新的样本.在生成网络中引入混合密度模型优化其特征提取能力,提高重构数据的准确性.采用训练数据对该架构进行训练,训练后的编码网络作为分类器,识别样本类型;生成网络生成指定类别的样本数据,以平衡复杂样本中各类攻击样本的数量,提高分类精度.仿真结果表明,与其他对比模型相比,所提分类架构具有较好的降维效果和较高的态势要素分类精度.
文献关键词：
网络安全态势要素分类;混合密度模型;条件变分自编码器;深度神经网络
中图分类号：
作者姓名：
何春蓉;朱江;张欣
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]何春蓉;朱江;张欣-.基于复杂样本的安全态势要素分类架构)[J].重庆邮电大学学报（自然科学版）,2022(04):719-727
A类：
混合密度模型,网络安全态势要素分类
B类：
杂样,自编码网络,生成网络,深度神经网络,基础框架,高维数据,模型优化,特征提取能力,训练数据,分类器,别样,本类,分类精度,对比模型,提分,条件变分自编码器
AB值：
0.170614
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。
