基于生成对抗网络的网络入侵检测系统

摘要

为了解决在真实网络环境中,异常数据比正常数据更难获得的问题,提出基于生成对抗网络的网络入侵检测系统GAN-NIDS.在训练阶段只使用正常数据,通过卷积操作压缩数据,使网络结构记住正常数据的深度特征.在测试时,正常数据通过生成器生成的数据与原始数据之间的损失(loss),远小于异常数据通过生成器生成的数据与原始数据之间的loss.在KDD99数据集上进行了试验,结果表明,相较于传统机器学习与一些深度学习,本系统有较好的检测效果.