-
公开(公告)号:CN115496180A
公开(公告)日:2022-12-20
申请号:CN202211043347.5
申请日:2022-08-29
Applicant: 北京邮电大学
Abstract: 本发明提供一种网络流量特征序列生成模型的训练方法、生成方法及装置,针对网络流量的包含基础特征、数据包特征、时间特征和恶意流量特征的特征序列进行仿真,能够关注到应用层数据的特征。基于生成对抗网络进行无监督学习,简化了配置工作,提高了对网络流量特征序列进行仿真的效率。其中,基于强化学习构建生成器,能够提高对网络特征仿真的泛化能力,以适应更复杂的网络环境。采用蒙特卡洛学习构建生成器能够提高生成器的泛化能力。采用Wasserstein Loss作为生成器的损失函数,能够免生成对抗网络中常见的过拟合和模式崩溃问题。