面向工業(yè)入侵檢測(cè)的數(shù)據(jù)增強(qiáng)和檢測(cè)模型的研究

摘要： 由于采集到的工業(yè)互聯(lián)網(wǎng)流量數(shù)據(jù)存在正常流量和攻擊流量的樣本數(shù)目不平衡、樣本特征復(fù)雜的問(wèn)題，提出一種使用梯度懲罰的Wasserstein生成對(duì)抗網(wǎng)絡(luò)(WGAN-GP)并結(jié)合卷積神經(jīng)網(wǎng)絡(luò)(CNN)與門控循環(huán)單元(GRU)的深度學(xué)習(xí)入侵檢測(cè)方法。使用WGAN-GP數(shù)據(jù)增強(qiáng)并使用CNN與GRU混合模型進(jìn)行深層特征提取解決上述問(wèn)題。使用加拿大網(wǎng)絡(luò)安全研究所公布的CICIDS2017數(shù)據(jù)集... （共7頁(yè)）