基于對抗性機器學習的網(wǎng)絡入侵檢測方法研究

摘要： 網(wǎng)絡攻擊數(shù)據(jù)中攻擊類別多樣、數(shù)量分布不均等問題,導致現(xiàn)有基于機器學習的網(wǎng)絡入侵檢測模型對部分攻擊類型的泛化能力較弱,并且由于深度學習模型容易受到對抗樣本的攻擊,使得深度學習模型在網(wǎng)絡入侵檢測方面的應用存在諸多約束。對此,文章首先提出了基于隨機子空間的入侵檢測模型—BAVE-ELM(Bat Algorithm Voting Ensemble Extreme Learning Ma... （共10頁）