基于生成对抗网络的主机入侵风险识别OA北大核心CSTPCD
INTRUSION RISK RECOGNITION BASED ON GENERATIVE ADVERSARIAL NETWORK
随着互联网的发展,针对主机漏洞发起的入侵层出不穷,计算机安全问题日益突出,基于深度学习的入侵检测成为研究热点,但仍然存在攻击训练样本少以及无法有效检测未知攻击的问题.基于AC-GAN和LS-GAN,设计并实现主机入侵风险识别网络TR-GAN,该模型能有效解决梯度偏移或梯度消失的问题.TR-GAN相较于AC-GAN及LS-GAN,不但风险识别准确率更稳定,最大识别准确率达到80％,且其风险样本生成模块能在较少训练迭代轮数下就生成与真实攻击样本具有相…查看全部>>
林英;李元培;潘梓文
云南大学软件学院 云南昆明650500云南省软件工程重点实验室 云南昆明650091
信息技术与安全科学
入侵风险识别生成对抗网络辅助分类器-生成对抗网络最小二乘-生成对抗网络主机特征
《计算机应用与软件》 2021 (11)
331-337,7
云南省软件工程重点实验室项目(2017SE102)云南大学数据驱动的软件工程省科技创新团队项目(2017HC012).
评论