基于CGAN-LSTM的无监督网络异常流量检测算法

• 作者: 赵经宇 杨义先 辛阳 朱洪亮
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 异常检测 无监督 周期性 条件生成式对抗网络 长短时记忆网络
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 网络空间安全
• 页码范围: 170-175
• 页数: 6页
• 分类号: TP309
• 语种: 中文
• DOI: 10.11907/rjdk.212613

摘要

针对现有网络异常流量检测算法鲜少关注网络流量这类时间序列数据在时间上的依赖关系以及没有从时间周期角度对网络异常流量进行检测的问题,提出一种基于CGAN-LSTM的无监督网络异常流量检测算法.首先使用LSTM结构的生成器和判别器学习正常样本的数据分布,其次使用时间周期信息指导生成器G生成样本,最后同时使用生成器的重构误差和判别器的判别结果判别测试样本.实验结果显示,该算法在IS?CX2012数据集和CICIDS2017数据集上的F1值分别达到89.38％、85.62％,与现有无监督异常流量检测算法相比具有更好的检测性能.