基于對(duì)抗性機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測(cè)方法研究

摘要： 網(wǎng)絡(luò)攻擊數(shù)據(jù)中攻擊類別多樣、數(shù)量分布不均等問(wèn)題,導(dǎo)致現(xiàn)有基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測(cè)模型對(duì)部分攻擊類型的泛化能力較弱,并且由于深度學(xué)習(xí)模型容易受到對(duì)抗樣本的攻擊,使得深度學(xué)習(xí)模型在網(wǎng)絡(luò)入侵檢測(cè)方面的應(yīng)用存在諸多約束。對(duì)此,文章首先提出了基于隨機(jī)子空間的入侵檢測(cè)模型—BAVE-ELM(Bat Algorithm Voting Ensemble Extreme Learning Ma...