为实现对无线网络异常数据流的快速辨识,文章基于弱监督学习,设计了一种新的智能辨识方法。基于网络节点连接强度,构建计算机无线网络多状态观测矩阵;引进弱监督学习领域的弱监督数据增强主动学习(Weakly Supervised Data Augmentation ...为实现对无线网络异常数据流的快速辨识,文章基于弱监督学习,设计了一种新的智能辨识方法。基于网络节点连接强度,构建计算机无线网络多状态观测矩阵;引进弱监督学习领域的弱监督数据增强主动学习(Weakly Supervised Data Augmentation Active Learning,WIDS-APL)模型,通过将转换样本映射到超球体空间中进行弱监督学习,实现对观测矩阵中数据的表征处理;将不同状态的数据导入改进后的长短期记忆人工神经网络模型,实现对异常数据流进行检测与辨识。实验表明,该方法不仅可以提高零日威胁响应时效,还能在优化辨识方法吞吐量的基础上,实现对数据流异常幅值的判定。展开更多
文摘为实现对无线网络异常数据流的快速辨识,文章基于弱监督学习,设计了一种新的智能辨识方法。基于网络节点连接强度,构建计算机无线网络多状态观测矩阵;引进弱监督学习领域的弱监督数据增强主动学习(Weakly Supervised Data Augmentation Active Learning,WIDS-APL)模型,通过将转换样本映射到超球体空间中进行弱监督学习,实现对观测矩阵中数据的表征处理;将不同状态的数据导入改进后的长短期记忆人工神经网络模型,实现对异常数据流进行检测与辨识。实验表明,该方法不仅可以提高零日威胁响应时效,还能在优化辨识方法吞吐量的基础上,实现对数据流异常幅值的判定。
