基于稀疏自動(dòng)編碼器的可解釋性異常流量檢測(cè)

摘要： 目前許多深度學(xué)習(xí)檢測(cè)模型在各項(xiàng)指標(biāo)上達(dá)到較好的效果,但是由于安全管理者不理解深度學(xué)習(xí)模型的決策依據(jù),導(dǎo)致一方面無(wú)法信任模型的判別結(jié)果,另一方面不能很好地診斷和追蹤模型的錯(cuò)誤,這極大地限制了深度學(xué)習(xí)模型在該領(lǐng)域的實(shí)際應(yīng)用。面對(duì)這樣的問(wèn)題,文章提出了一個(gè)基于稀疏自動(dòng)編碼器的可解釋性異常流量檢測(cè)模型（Sparse Autoencoder Based Anomaly Traffic D...