面向工業(yè)入侵檢測的數(shù)據(jù)增強和檢測模型的研究

摘要： 由于采集到的工業(yè)互聯(lián)網(wǎng)流量數(shù)據(jù)存在正常流量和攻擊流量的樣本數(shù)目不平衡、樣本特征復雜的問題，提出一種使用梯度懲罰的Wasserstein生成對抗網(wǎng)絡(WGAN-GP)并結(jié)合卷積神經(jīng)網(wǎng)絡(CNN)與門控循環(huán)單元(GRU)的深度學習入侵檢測方法。使用WGAN-GP數(shù)據(jù)增強并使用CNN與GRU混合模型進行深層特征提取解決上述問題。使用加拿大網(wǎng)絡安全研究所公布的CICIDS2017數(shù)據(jù)集... （共7頁）