基于GAN-Cross的工控系統(tǒng)類不平衡數(shù)據(jù)異常檢測

摘要： 工業(yè)控制系統(tǒng)異常檢測存在類不平衡問題，導(dǎo)致通用分類器很難實現(xiàn)異常數(shù)據(jù)的精準(zhǔn)識別。目前，針對類不平衡數(shù)據(jù)，常用采樣方法實現(xiàn)各類數(shù)據(jù)的平衡，以提高分類器性能。但傳統(tǒng)采樣方法對數(shù)據(jù)集特征敏感，采樣效果穩(wěn)定性差，異常檢測精度波動大。文章基于生成式對抗網(wǎng)絡(luò)（Generative Adversarial Network,GAN），提出一種GAN-Cross采樣模型，該模型可以學(xué)習(xí)目標(biāo)數(shù)據(jù)的...