小样本下基于决策树-SNN的恶意流量检测方法

来源：计算机工程与应用杂志2023年第21期北京时间：

作者：李道全, 李玉秀, 任大用

单位：青岛理工大学 信息与控制工程学院，山东 青岛 266520

摘要：针对目前小样本下的恶意流量检测方法存在准确度低、特征提取不足和模型过拟合问题，提出了一种小样本下基于改进决策树-孪生神经网络的恶意流量检测算法。为了降低小样本下多分类任务的难度，利用类间中心距离构建二叉决策树将多分类问题转换为二分类问题。将孪生神经网络的对比分支设计为三支一维卷积神经网络并行的结构来解决小样本下特征提取不足问题。引入了通过池化策略和一维卷积操作优化的SE（squeeze-and-excitation）模块，以减少小样本下模型过拟合问题。通过对比样本的相似度实现了恶意流量检测。实验结果表明，所提方法在小样本下的恶意流量检测问题上具有良好的效果。

关键词：恶意流量,决策树,孪生神经网络,类间中心距离,小样本,通道注意力