-
题名基于半监督学习的网络异常检测研究综述
被引量：1
- 1
-
-
作者
张浩
谢大智
胡云晟
叶骏威
-
机构
福州大学计算机与大数据学院
福建省网络计算与智能信息处理重点实验室
-
出处
《信息网络安全》
CSCD
北大核心
2024年第4期491-508,共18页
-
基金
国家自然科学基金重点项目[U1804263,U21A20472]
国家留学基金青年骨干教师出国研修项目[202006655011]
福建省自然科学基金[2021J01616,2020J01130167,2021J01625]。
-
文摘
网络流量数据的获取较为容易,而对流量数据进行标记相对困难。半监督学习利用少量有标签数据和大量无标签数据进行训练,减少了对有标签数据的需求,能较好适应海量网络流量数据下的异常检测。文章对近年来的半监督网络异常检测领域的论文进行深入调研。首先,介绍了一些基本概念,并深入剖析了网络异常检测中使用半监督学习策略的必要性;然后,从半监督机器学习、半监督深度学习和半监督学习结合其他范式三个方面,分析和比较了半监督网络异常检测领域近年来的论文,并进行归纳和总结;最后,对当前半监督网络异常检测领域进行了现状分析和未来展望。
-
关键词
半监督学习
标签稀缺
入侵检测
异常检测
-
Keywords
semi-supervised learning
label scarcity
intrusion detection
anomaly detection
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
