计算机应用

作者：杨宏宇, 李博超

单位：中国民航大学 计算机科学与技术学院, 天津 300300

关键词：逆向习得推理,异常行为检测,数据不平衡,数据归一化

基金：国家自然科学基金民航联合研究基金资助项目（U1833107）；国家科技重大专项（2012ZX03002002）；中央高校基本科研业务费资助项目（ZYGX2018028）。

针对网络异常行为检测中因数据不平衡而导致召回率低的问题，提出一种基于逆向习得推理（ALI）的网络异常行为检测模型。首先，去除数据集中用离散数据表示的特征项，并对处理后的数据集进行归一化以提高模型的收敛速度与精度；然后，提出改进的ALI模型，通过ALI训练算法用仅由正样本所构成的数据对其进行训练，并利用已训练完成的改进ALI模型处理检测数据以生成处理后的检测数据集；最后，依据异常检测函数计算检测数据与处理后的检测数据之间的距离来判断数据是否异常。与单类支持向量机（OC-SVM）、深层结构能量模型（DSEBM）、深度自编码高斯混合模型（DAGMM）和生成对抗网络异常检测模型（AnoGAN）的对比实验结果表明，所提模型的准确率提升了5.8~17.4个百分点，召回率提升了1.4~31.4个百分点，F1值提升了14.18~19.7个百分点。可知所提出的基于逆向习得推理的网络异常行为检测模型在数据不平衡时仍具有较高的召回率和检测精度。

来源：2019年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第7期