利用扩散模型的网络入侵检测增强方法

摘要

为解决网络入侵检测模型训练数据不平衡和泛化能力不足导致防御效果差的问题，本文提出一种基于扩散模型的网络入侵检测增强方法.通过改进现有检测过程和扩散模型，使其适用于复杂多样的入侵检测数据，该方法能够合成高质量训练数据和多样化对抗样本，从增强训练数据和增强对抗样本两方面提升入侵检测模型的性能.在入侵检测数据集上的实验表明，相比业界常用的基于变分自编码器和基于对抗生成网络的数据增强方法，本文方法能够获得更好的数据保真度和多样性，在缓解数据不平衡的同时提高检测性能.通过本文方法增强对抗样本后，能够生成更加多样化的对抗样本，使得扩散对抗训练效果优于对抗训练，增强入侵检测系统的防御能力.

关键词

入侵检测系统 / 扩散模型 / 合成样本 / 对抗样本