公开(公告)号：CN115174178B

公开(公告)日：2023-07-04

申请号：CN202210747592.8

申请日：2022-06-28

Applicant: 南京邮电大学

Inventor： 王攀 ,  李泽一

IPC: H04L9/40 ,  G06N3/0464 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/0895 ,  G06N3/094

Abstract: 本发明提供了一种基于生成对抗网络的半监督网络流量异常检测方法，首先将网络流量特征进行工程化，即对于字符特征使用one‑hot编码，对于数值特征用归一化处理，再将处理后的特征输入聚合模块中形成新特征进入生成对抗网络，最后通过计算生成对抗网络中两个隐藏向量的重构误差判断流量是否异常。本发明的方法能将数据从高维转向低维空间的同时能更加有效地保留流量特征信息，在解决有监督深度学习无法识别未知流量的同时提升异常网络流量检测的精确度。

公开(公告)号：CN115174178A

公开(公告)日：2022-10-11

申请号：CN202210747592.8

申请日：2022-06-28

Applicant: 南京邮电大学

Inventor： 王攀 ,  李泽一

IPC: H04L9/40 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明提供了一种基于生成对抗网络的半监督网络流量异常检测方法，首先将网络流量特征进行工程化，即对于字符特征使用one‑hot编码，对于数值特征用归一化处理，再将处理后的特征输入聚合模块中形成新特征进入生成对抗网络，最后通过计算生成对抗网络中两个隐藏向量的重构误差判断流量是否异常。本发明的方法能将数据从高维转向低维空间的同时能更加有效地保留流量特征信息，在解决有监督深度学习无法识别未知流量的同时提升异常网络流量检测的精确度。