计算机工程与科学

作者：谭郁松, 王伟, 蹇松雷, 易超雄

单位：（国防科技大学计算机学院，湖南 长沙 410073）

关键词：网络入侵检测,弱监督学习,深度学习,

基金：国家自然科学基金（U19A2060）

网络入侵检测系统对维护网络安全至关重要，目前针对只有较少异常标记网络数据的入侵检测场景的研究较少。基于数据的异常保持性，设计了基于异常保持的弱监督学习网络入侵检测模型WIDS-APL，该检测模型包含数据转换层、表征学习层、转换分类层和异常判别层4部分，利用一组可学习的编码器将样本映射到不同区域并压缩到超球体，利用异常样本的标签信息学习正常样本和异常样本的分类界限，得到样本的异常分数。在4个数据集上的测试结果表明了该模型的有效性和鲁棒性，相比4个主流算法，在 AUC-ROC值上分别提升了4.80%，5.96%，1.58%和1.73%，在AUC-PR性能上分别提升了15.03%，2.95%，4.71%和9.23%。

来源：2024年第5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2024年第5期