ZEST: 基于注意力机制的零样本学习用于未知物联网设备分类
原文中文,约300字,阅读约需1分钟。发表于: 。提出 ZEST,一种基于自注意力的零样本学习框架,用于分类见过与未见过的物联网设备,通过使用自注意力的网络特征提取器 SANE 来提取物联网流量的潜在空间表示,训练具有生成伪数据解码器的生成模型以及使用生成的伪数据训练的监督模型来分类设备。在对真实物联网流量数据进行了广泛的实验后,结果表明 ZEST 在准确性方面显著改善了传统基线模型,并且能够比常用于建模网络流量的 LSTM 更好地提取有意义的表示。
ZEST是一种基于自注意力的零样本学习框架,用于分类物联网设备。通过使用自注意力的网络特征提取器SANE来提取物联网流量的潜在空间表示,训练具有生成伪数据解码器的生成模型以及使用生成的伪数据训练的监督模型来分类设备。实验结果表明,ZEST在准确性方面显著改善了传统基线模型,并且能够比常用于建模网络流量的LSTM更好地提取有意义的表示。