WASAE-NIDS：基于GAN辅助条件自编码器的逆频率类别加权网络入侵检测方法 傅克鲁、 邵云龙、 阿德托昆博·马坎朱和 李志达

《Electronics》：WASAE-NIDS: Reverse-Frequency Class Weighting with GAN-Assisted Conditional Autoencoder for Network Intrusion Detection Keru Fu, Yunlong Shao, Adetokunbo Makanju and Zhida Li

　　

摘要

网络入侵检测系统对于维护现代网络的安全性与完整性至关重要。虽然传统的入侵检测技术效果不错，但往往难以应对不断变化的网络威胁以及实时检测的需求。本文提出了一种基于深度学习的入侵检测系统WASAE-NIDS，该系统结合了生成对抗网络辅助的条件自动编码器以及反向频率类别加权技术，从而提升检测能力，尤其是在类别失衡严重的情况下。在针对各种入侵检测系统基准数据集的测试中，该方法在检测各类网络威胁时表现出更高的准确率，同时在处理少数类问题时也能有更好的性能。这些结果证明了将生成对抗网络辅助的表示学习与类别加权技术相结合，能够有效提升入侵检测系统的稳健性与检测效率。