轻量级S2CGAN入侵检测模型

少数类检测率大幅提升

利用网络流量分布特征同时在数据空间和特征空间扩充少数类样本,在不牺牲多数类精度的前提下显著提升稀有攻击的检出率。

Wang, Caihong · 许都 · 李宗航 · Niyato, Dusit (Tao)

IEEE Internet of Things Journal 2023

参数信息

F1分数提升幅度
10.2 %

技术优势

少数类检测率提升

利用流量分布特征在数据空间和特征空间同时扩充少数类样本,大幅提升对稀有攻击的检出率。

不牺牲多数类精度

在提升少数类检出率的同时,确保多数类(正常流量)的检测精度不下降,避免资源浪费和入侵检测系统可信度降低。

F1分数提升10.2%

在CICIDS2017数据集上,F1分数比现有最优方法提高10.2%,综合性能更优。

轻量级可部署

模型设计轻量化,适用于物联网边缘设备或网关的实时检测。

应用场景