無監(jiān)督自適應(yīng)抽樣與改進(jìn)孿生網(wǎng)絡(luò)結(jié)合的網(wǎng)絡(luò)流量異常檢測方法

摘要： 針對基于傳統(tǒng)機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)流量異常檢測方法受流量數(shù)據(jù)類別不平衡的影響檢測性能較差的問題，該文提出一種無監(jiān)督自適應(yīng)抽樣與改進(jìn)孿生網(wǎng)絡(luò)結(jié)合的網(wǎng)絡(luò)流量異常檢測方法。首先，設(shè)計基于K-medoids的自適應(yīng)小樣本抽樣算法(KAFS)，利用無監(jiān)督聚類對各類流量動態(tài)自適應(yīng)地抽取更具代表性的少量樣本，使正常和攻擊流量均衡，提高訓(xùn)練小樣本學(xué)習(xí)模型的數(shù)據(jù)質(zhì)量。然后，構(gòu)建具有魯棒損失函數(shù)的孿生多層... （共14頁）