典型文献
基于CWGAN-GP平衡化的网络恶意流量识别方法
文献摘要：
在网络恶意流量识别任务中,存在恶意流量样本数量与正常流量样本比例不平衡问题,从而导致训练出的机器学习模型泛化能力差、识别准确率低.为此,在网络流量图片化的基础上提出一种利用具有梯度惩罚项的条件Wasserstein生成对抗网络(CWGAN-GP)对少量数据类进行平衡的分类方法.该方法首先借助网络流量图片化方法将原始流量PCAP数据按照流为单位进行切分、填充、映射到灰度图片中;然后使用CWGAN-GP方法实现数据集的平衡;最后,在公开数据集USTC-TFC2016和CICIDS2017上使用CNN模型对不平衡数据集和平衡后的数据集进行分类测试.实验结果表明,使用CWGAN-GP的平衡方法在精确度、召回率、F1这3个指标上均优于随机过采样、SMOTE、GAN以及WGAN平衡方法.
文献关键词：
条件Wasserstein生成对抗网络;数据平衡;流量扩充;流量识别
中图分类号：
作者姓名：
丁要军;王安宙
作者机构：
甘肃政法大学网络空间安全学院 兰州 730070
文献出处：
引用格式：
[1]丁要军;王安宙-.基于CWGAN-GP平衡化的网络恶意流量识别方法)[J].电子科技大学学报,2022(05):760-765
A类：
网络恶意流量识别,流量扩充
B类：
CWGAN,GP,平衡化,样本数量,常流,不平衡问题,练出,机器学习模型,模型泛化,泛化能力,识别准确率,网络流量,梯度惩罚,Wasserstein,生成对抗网络,少量数据,分类方法,先借,PCAP,切分,射到,灰度图,公开数据集,USTC,TFC2016,CICIDS2017,不平衡数据集,平衡方法,召回率,过采样,SMOTE,数据平衡
AB值：
0.344916
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。
