摘要
针对加密流量不解密检测中时空特征建模不足、生成对抗性网络(Generative Adversarial Network,GAN)模式崩溃及特征解耦不充分等问题,本文提出一种改进型能量生成对抗网络(Energy-Based Generative Adversarial Network,EB-GAN)。模型构建生成器-判别器协同对抗框架,生成器融合ResNet与双向长短期记忆网络(BidirectionalLongShort-TermMemory,Bi-LSTM)建模流量时空分布,编码器提取协议行为潜在特征;判别器引入谱归一化与Pull-Away正则项优化特征解耦,抑制模式崩溃,并设计注意力驱动的跨尺度特征融合机制,实现数据包级时序与流级全局特征的动态关联。实验表明,模型在CIC-IDS-2017数据集上准确率达98.13%,F1值较基准模型有明显提升,为加密环境提供高精度、隐私友好的检测方案。
出处
《电子制作》
2025年第18期71-75,共5页
Practical Electronics
基金
教育部高等教育科学研究发展中心中国高校产学研创新基金项目《基于人工智能的恶意加密流量检测技术研究》(2023IT14)。
