基于記憶模塊與過濾式生成對抗網(wǎng)絡的入侵檢測方法

摘要： 為了解決現(xiàn)有的網(wǎng)絡入侵檢測方法在異常樣本有限時存在精確度低且容易產(chǎn)生過擬合的問題,提出一種基于記憶模塊和過濾式生成對抗網(wǎng)絡(GAN)的入侵檢測方法 Mem FGAN。在生成對抗網(wǎng)絡中,生成器采用編碼器-解碼器結(jié)構(gòu)并引入1個記憶模塊學習正常樣本的特征向量進行記憶增強,生成器用于對給定的輸入進行編碼并將其用作查詢請求,在記憶模塊中查詢最相關的項進行重構(gòu),生成器的重構(gòu)誤差作為異常分數(shù)... （共11頁）