基于對齊原型網(wǎng)絡(luò)的小樣本異常流量分類

摘要： 異常流量分類是應(yīng)對網(wǎng)絡(luò)攻擊，制定網(wǎng)絡(luò)防御的前提.網(wǎng)絡(luò)流量數(shù)據(jù)量大導(dǎo)致分析成本高，新型異常流量標記樣本數(shù)量少導(dǎo)致分類難度大，小樣本學(xué)習(xí)能有效應(yīng)對這些問題.但目前小樣本學(xué)習(xí)的方法仍然面對著復(fù)雜的模型或計算過程帶來的效率低下、訓(xùn)練和測試樣本分布偏差導(dǎo)致的監(jiān)督崩潰問題.本文提出了一種基于對齊的原型網(wǎng)絡(luò)，包含內(nèi)部對齊和外部對齊模塊.該方法首先基于原型網(wǎng)絡(luò)在元學(xué)習(xí)框架下生成類別原型，其內(nèi)部... （共12頁）