基于迁移学习的跨域异常流量检测

彭雨荷, 陈翔, 陈双武, 杨坚

中国科学技术大学 信息科学技术学院, 合肥 230026

收稿日期:2020-08-04发布日期:2021-04-28
通讯作者:陈双武(1988-),男,副研究员,E-mail:chensw@ustc.edu.cn.E-mail:chensw@ustc.edu.cn
作者简介:彭雨荷(1996-),女,硕士生.
基金资助:国家重点研发计划项目（2018YFF01012200）；中央高校基本科研业务费专项资金项目（WK2100000009）；安徽省自然科学基金项目（1908085QF266）

Cross-Domain Abnormal Traffic Detection Based on Transfer Learning

PENG Yu-he, CHEN Xiang, CHEN Shuang-wu, YANG Jian

School of Information Science and Technology, University of Science and Technology of China, Hefei 230026, China

Received:2020-08-04Published:2021-04-28

摘要/Abstract

摘要： 基于已知数据的机器学习模型在实际异常流量检测任务中不完全可靠，为此，将不同分布的流量分别作为源域和目标域，建立跨域网络异常流量检测框架，提出了基于联合分布适配的迁移学习方法.通过寻找最优变换矩阵、适配源域与目标域之间的条件概率和边缘概率，实现源域与目标域间的特征迁移，从而解决由于源域与目标域分布差异大所引起的检测准确率下降等问题.实验结果表明，所提方法可以显著提升跨域流量的检测准确率.
中图分类号:
TP393.08

引用本文

彭雨荷, 陈翔, 陈双武, 杨坚. 基于迁移学习的跨域异常流量检测[J]. 北京邮电大学学报, 2021, 44(2): 33-39.
PENG Yu-he, CHEN Xiang, CHEN Shuang-wu, YANG Jian. Cross-Domain Abnormal Traffic Detection Based on Transfer Learning[J]. Journal of Beijing University of Posts and Telecommunications, 2021, 44(2): 33-39.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4722