基于图对比学习的自监督网络流量检测模型OA
传统网络异常流量检测方法存在忽略网络拓扑结构、获取标注数据成本高等问题,导致模型的准确率和泛化性较低。为此,文中提出了一种基于图神经网络和自监督学习的检测方法。利用网络流量数据的特点构建自监督图对比学习任务,通过边特征变换和边遮掩进行流量图增强生成对比样本。改进基于GraphSAGE(Graph SAmple and aggreGatE)的图编码器以充分利用相关关系来丰富节点的特征表示。使用适合对比学习的InfoNCE损失函数训练图编码器的参数,…查看全部>>
王紫祎;陈世平
上海理工大学光电信息与计算机工程学院,上海200093上海理工大学光电信息与计算机工程学院,上海200093
计算机与自动化
网络流量检测图神经网络对比学习自监督表征学习InfoNCE损失函数图表示学习深度学习图数据增强
《电子科技》 2025 (3)
P.22-31,10
国家自然科学基金(6147225661170277)上海理工大学科技发展基金(16KJFZ0352017KJFZ033)沪江基金(A14006)。
评论