基于VAE-CWGAN和特征统计重要性融合的网络流量异常检测方法
作者机构:海军工程大学信息安全系 信阳师范大学计算机与信息技术学院 信阳职业技术学院数学与信息工程学院
出 版 物:《通信学报》 (Journal on Communications)
年 卷 期:2024年
核心收录:
学科分类:0839[工学-网络空间安全] 08[工学]
基 金:国家重点研发计划基金资助项目(No.2018YFB0804104)
主 题:入侵检测 网络流量 类不平衡 特征选择 统计重要性融合
摘 要:针对传统入侵检测方法受限于数据集类不平衡以及所选特征代表性不强等问题,提出一种基于VAE-CWGAN和特征统计重要性融合的检测方法。首先,为提升数据质量对数据集进行预处理;其次,搭建VAE-CWGAN模型生成新样本以解决数据集类不平衡问题,使分类模型不再偏向于多数类;再次,使用标准差、中值差和均值差对特征进行排序,并融合其统计重要性来进行特征选择旨在获得代表性更强的特征,从而使模型更好地学习数据信息;最后,通过一维卷积神经网络对特征选择后的混合数据集进行分类。实验结果表明,所提方法在NSL-KDD、UNSW_NB-15和CIC-IDS-2017数据集上都表现出较好的性能优势,准确率分别为98.95%、96.24%和99.92%,有效提升了入侵检测性能。