公开(公告)号：CN115983334A

公开(公告)日：2023-04-18

申请号：CN202211628717.1

申请日：2022-12-18

Applicant: 南京理工大学

Inventor： 俞研 ,  王增 ,  狄芳 ,  徐建

IPC: G06N3/045 ,  G06N3/0475 ,  G06N3/0442 ,  G06N3/094 ,  G06F18/214

Abstract: 本发明公开了一种基于生成对抗网络的网络流量生成方法。该方法为：对数据集进行预处理，包括属性特征评估、文本转化为数值、缺失值处理、特征数据归一化；设计面向网络流量生成的生成对抗网络模型架构，包括生成器模块、鉴别器模块和网络奖励机制；接着训练网络模型，分为模型预训练和正式训练两个阶段；对生成的流量数据进行数据评估和筛选，包括质量评估、相似性评估和标记评估，筛选合格样本形成标记流量集。本发明使用WGAN‑GP来设计模型，并结合LSTM进一步学习网络流量序列的时间特性，使得生成的网络流量数据在分类标记、真实性以及成功率方面均得到提升，能够为基于机器学习的网络入侵检测模型训练提供大批量、高质量标记数据。