基于元学习的入侵检测研究

作者：陈海雁^*; 潘伟; 吉志远

来源：电力信息与通信技术, 2020, 18(09): 31-36.

DOI：10.16543/j.2095-641x.electric.power.ict.2020.09.005

• 入侵检测
• 网络安全
• 深度神经网络
• 机器学习
• 元学习

入侵检测可以防御网络的攻击,但现有方法存在需要大量训练样本、泛化能力低、效果欠佳等不足,因此文章提出一种基于带记忆池的模型无关的元学习方法(Model-Free Meta-Learning with Memory,MFMLM)。MFMLM算法采用带记忆池的模型无关的元学习方法处理网络入侵检测问题,利用多轮采样获得多个小样本数据集,通过在多个数据集中进行训练,得到最优参数。方法利用元学习改善模型的判别和泛化能力,有效地缩短了训练时间,提高了检测准确率。实验结果表明,所提方法可以较好地解决入侵检测问题,具有良好的性能。