耦合演化采樣和深度解碼的可解釋網(wǎng)絡(luò)流量異常檢測(cè)模型

摘要： 針對(duì)現(xiàn)有網(wǎng)絡(luò)流量異常檢測(cè)模型缺乏可解釋性的問題，本研究提出了耦合演化采樣和深度解碼的可解釋網(wǎng)絡(luò)流量異常檢測(cè)模型。首先，引入演化采樣學(xué)習(xí)抽取代表特征樣本，依此實(shí)現(xiàn)了強(qiáng)可解釋性的樣本編碼過程；其次，構(gòu)建了可解釋的演化采樣樣本編碼過程和不可解釋的深度神經(jīng)網(wǎng)絡(luò)解碼過程的耦合學(xué)習(xí)模型；最后，使用樣本編碼結(jié)果和重構(gòu)誤差進(jìn)行異常檢測(cè)。在NSL-KDD和CICIDS2017數(shù)據(jù)集上與現(xiàn)有方法的... （共9頁(yè)）