基于深度学习的列车通信网络入侵检测需要充足的训练样本支撑，然而实际可获取的列车通信网络攻击样本非常少.本文将生成对抗网络（GAN）应用于攻击样本生成任务中，对GAN的采样策略、约束条件与损失函数进行改进，设计了基于卷积神经网络的生成器与判别器，提出一种基于改进GAN的攻击样本生成方法.基于此方法开展了样本生成实验与入侵检测实验.结果表明，该方法能够生成有效的攻击样本，改进模型的训练效果，模型的F1分数平均增加了4.23%.
科研之友
微信
新浪微博
Facebook
分享链接
