一種基于半監(jiān)督學(xué)習(xí)的網(wǎng)絡(luò)異常流量檢測方法

摘要： 針對網(wǎng)絡(luò)流量數(shù)據(jù)存在標(biāo)記樣本獲取困難、實際數(shù)據(jù)類別不平衡等問題，提出一種合成數(shù)據(jù)增強的半監(jiān)督網(wǎng)絡(luò)異常流量檢測方法(SEASAND)。SEASAND利用無標(biāo)記數(shù)據(jù)輔助模型學(xué)習(xí)，只需少量的有標(biāo)簽數(shù)據(jù)即可達到較高識別準(zhǔn)確率，降低了訓(xùn)練成本?？紤]一致性正則和熵最小化原則，通過混合采樣解決網(wǎng)絡(luò)流量數(shù)據(jù)不平衡的問題，并采用混合樣本算法對樣本進行二次數(shù)據(jù)增強，提高了對無標(biāo)記數(shù)據(jù)的利用效率。最... （共12頁）