BriefGPT - AI 论文速递
·
CSAGC-IDS：一种用于复杂和不平衡数据的双模块深度学习网络入侵检测模型
💡
原文中文，约600字，阅读约需2分钟。
📝
内容提要
本研究提出了CSAGC-IDS模型，以解决网络入侵检测中的高维复杂流量和不平衡数据问题。该模型利用生成对抗网络生成高质量数据，并结合卷积神经网络进行特征提取。在NSL-KDD数据集上，五类分类任务的准确率达到84.55%，二分类任务的准确率达到91.09%。
🎯
关键要点
- 本研究提出了CSAGC-IDS模型，旨在解决网络入侵检测中的高维复杂流量和不平衡数据问题。
- CSAGC-IDS模型利用自注意力增强的生成对抗网络生成高质量数据，以缓解类别不平衡。
- 该模型结合成本敏感学习和通道注意力机制的卷积神经网络进行复杂流量数据特征提取。
- 在NSL-KDD数据集上的实验结果显示，五类分类任务的准确率达到84.55%，二分类任务的准确率达到91.09%。
➡️
