改进生成对抗网络与残差网络的流量异常检测模型

来源：计算机技术与发展杂志2025年第04期北京时间：

作者：陈虹;杨思文;金海波;武聪;由雨竹

单位：1. 辽宁工程技术大学 软件学院,辽宁 葫芦岛 125105;2. 辽宁工程技术大学 科学技术研究院,辽宁 阜新 123000

摘要：针对网络流量异常检测中因数据类别不平衡导致检测率不高、尤其少数类检测率偏低的问题,提出了一种结合改进生成对抗网络和残差网络的流量异常检测模型。 首先,采用孤立森林算法对正常类样本进行异常值处理,以减少正常类样本与少数攻击类样本的边界重叠,避免在过采样过程中由于不同类型样本边界相似性而引入新的离群点。 其次,利用条件 Wasserstein 生成对抗网络在保持数据分布一致性的前提下生成新的少数攻击类样本,解决数据失衡问题的同时提高样本多样性。 最后,设计了分裂残差融合卷积自编码器-双向门控循环单元的流量异常检测方法,通过分裂残差结构提取多尺度空间特征,结合双向门控循环单元捕捉前后时序信息,并引入锐度感知最小化算法,结合随机梯度下降优化器,进一步提升少数类的检测率。 实验结果表明,在 NSL-KDD 数据集上,该模型的准确率和 F1 分数分别达到了 89. 69% 和 89. 71% 。 与主流方法相比,对 U2R 和 R2L 攻击流量的检出率分别提高了至少 8. 94% 和 3. 39% ,并在 CICIDS2017 场景数据集上进一步验证了该方法的有效性和可行性。

关键词：流量异常检测;条件Wasserstein生成对抗网络;自编码器;孤立森林;锐度感知最小化