典型文献
一种基于DCGAN的网络加密流量分类平衡方法
文献摘要：
针对深度模型进行加密流量分类任务时数据不平衡的问题,提出使用深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)来解决类不平衡.基本思想是将DCGAN生成器生成的样本经过判别器过滤后与原始数据混合,以此构建平衡数据集来提高分类器的性能.为了证明方法的有效性,结合多种方法对原始数据集进行图形化表示,并生成新的图像数据集.最后通过对比实验利用精确率、召回率、F1值3个评价指标来评价分类效果.实验结果表明,使用DCGAN模型进行平衡的数据集在经典卷积神经网络(Convolutional Neural Network,CNN)分类模型下,分类效果优于人工少数类过采样法(Synthetic Minority Over-Sampling Technique,SMOTE)、生成对抗网络(Generative Adversarial Network,GAN)等方法.
文献关键词：
深度学习;数据增强;流量分类;深度卷积生成对抗网络
中图分类号：
作者姓名：
李睿;丁要军
作者机构：
甘肃政法大学,甘肃 兰州 730070
文献出处：
引用格式：
[1]李睿;丁要军-.一种基于DCGAN的网络加密流量分类平衡方法)[J].通信技术,2022(07):926-934
A类：
B类：
DCGAN,加密流量分类,类平衡,平衡方法,深度模型,分类任务,数据不平衡,出使,使用深度,深度卷积生成对抗网络,Deep,Convolutional,Generative,Adversarial,Networks,类不平衡,基本思想,生成器,判别器,原始数据,建平,平衡数据集,分类器,证明方法,多种方法,图形化,图像数据集,精确率,召回率,分类效果,Neural,分类模型,少数类,过采样,采样法,Synthetic,Minority,Over,Sampling,Technique,SMOTE,数据增强
AB值：
0.427396
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。
