小样本数据生成及其在异常检测中的应用

作者：卢逸君; 滕少华^*

来源：江西师范大学学报(自然科学版), 2020, 44(04): 385-393.

DOI：10.16357/j.cnki.issn1000-5862.2020.04.10

• 卷积神经网络
• 生成式对抗网络
• 样本生成
• 主机入侵检测
• 神经网络

在不平衡数据的应用中,少量的负样本(异常数据)往往是检测准确率低的重要原因,如在主机异常检测领域中,异常样本过少使得检测效果不佳.为解决这一问题,该文改进了深度卷积生成对抗网络,使其更易于收敛和生成样本.再通过将改进的深度卷积生成对抗网络用于入侵检测评测数据集ADFA-LD异常样本的训练,构造出更多的异常样本.最后,为验证生成样本的效果,以多种异常检测方法检测对上述增加样本后的平衡数据进行实验,实验结果发现新增加的异常样本能被全部检测出,而且已测出的异常样本无漏检,实现了高检测率和低误报率.对比实验表明该文提出的小样本数据生成方法能有效解决某些数据不平衡的应用问题.

• 单位
  广东工业大学; 广东省信息安全测评中心