计算机工程与科学

作者：刘拥民, 许成, 黄浩, 张钱垒, 赵俊杰,

单位：1.中南林业科技大学电子信息与物理学院，湖南 长沙 410004；2.中南林业科技大学智慧林业云研究中心，湖南 长沙 410004

关键词：深度学习,生成对抗网络,异常检测,栈式自编码器,

基金：国家自然科学基金(31870532)；长沙市科技计划（kq2402265）

近年来，机器学习和深度学习（ML/DL）领域技术飞速发展，将其应用到IDS中的研究也越来越多。但是，目前入侵检测领域的数据集存在特征冗余和攻击分类样本数量不平衡的问题。针对上述问题，提出基于自编码器SAE和生成对抗网络WGAN的网络异常检测方法。首先，针对特征冗余问题，使用堆叠自编码器的编码-隐层-解码思想进行数据降维，细化各类特征，提取更适用于分类的低维度特征。其次，针对样本不平衡（数据量少、种类不多的）问题，将处理过的数据作为生成器的来源输入到WGAN模型中，利用生成对抗网络的生成功能进行样本扩充，弥补分类模型训练过程中某些类型样本数据不足的问题，最终通过RF分类模型进行检测。在数据集NSL-KDD上的实验结果表明，基于本文方法建立的模型SAE-WGAN-RF的F1-Score为95.58%，Recall为96.54%，Precision为96.03%,相比常见的经典算法的性能有显著提高。

来源：2025年第2期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第2期