基于样本增强的网络恶意流量智能检测方法

• 作者: 吕明琪 朱添田 金成强 陈铁明
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 样本增强 异常检测 流量检测 机器学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 学术论文
• 页码范围: 128-138
• 页数: 11页
• 分类号: TP309
• 字数: 11907字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2020122

摘要

为解决现有网络流量异常检测方法需要投喂大量数据且泛化能力较差的问题,提出了基于样本增强的网络恶意流量智能检测方法.所提方法从训练集中提取关键词,且基于关键词回避策略对训练集进行样本增强,提高了方法提取文本特征的能力.实验结果表明,所提方法通过小型训练数据集即可提高网络流量异常检测模型的准确率与跨数据集检测能力,相较于其他方法,在显著降低计算复杂度的同时得到了更佳的检测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈铁明	浙江工业大学计算机科学与技术学院	60	357	11.0	15.0
2	吕明琪	浙江工业大学计算机科学与技术学院	8	8	2.0	2.0
3	朱添田	浙江工业大学计算机科学与技术学院	2	0	0.0	0.0
4	金成强	浙江工业大学计算机科学与技术学院	2	0	0.0	0.0