基本信息

---

下载

文档摘要

---

摘要

随着网络攻击方式的日益多样化，传统的流量异常检测方法存在对少数类攻击检测率

低、易受离群点影响导致鲁棒性差和对网络流量数据分析不足等问题，特别是在实际网络

环境中，异常流量样本的稀疏性导致现有模型在检测少数类攻击时检出率较低。

针对上述问题，基于因素空间理论的“背景关系-背景分布-背景基”体系提出一种流量

异常检测的基点分类方法。首先，数据预处理阶段使用基于Wasserstein距离的深度卷积生

成对抗网络(WassersteinDeepConvolutionGenerat