融合自注意力機(jī)制的入侵檢測(cè)數(shù)據(jù)生成方法

打開文本圖片集

摘 要 針對(duì)傳統(tǒng)入侵檢測(cè)領(lǐng)域由于數(shù)據(jù)不平衡而出現(xiàn)少數(shù)類檢測(cè)率低的問題，設(shè)計(jì)了一種基于條件生成對(duì)抗網(wǎng)絡(luò)和CatBoost算法的數(shù)據(jù)生成模型（SA?WCGAN）。首先，采用CatBoost算法對(duì)原始數(shù)據(jù)集進(jìn)行特征選擇，減少模型訓(xùn)練時(shí)間。之后，利用SA?WCGAN生成模型進(jìn)行數(shù)據(jù)擴(kuò)充，解決數(shù)據(jù)不平衡問題，該生成模型引入自注意力機(jī)制（SA），提取攻擊樣本的全局特征，提高少數(shù)類攻擊樣本生成的質(zhì)量；同時(shí)，引入Wasserstein距離和梯度懲罰，提高模型訓(xùn)練過程的收斂速度和穩(wěn)定性。（剩余12474字）