-
题名基于生成对抗网络的主机入侵风险识别
被引量：1
- 1
-
-
作者
林英
李元培
潘梓文
-
机构
云南大学软件学院
云南省软件工程重点实验室
-
出处
《计算机应用与软件》
北大核心
2021年第11期331-337,共7页
-
基金
云南省软件工程重点实验室项目(2017SE102)
云南大学数据驱动的软件工程省科技创新团队项目(2017HC012)。
-
文摘
随着互联网的发展,针对主机漏洞发起的入侵层出不穷,计算机安全问题日益突出,基于深度学习的入侵检测成为研究热点,但仍然存在攻击训练样本少以及无法有效检测未知攻击的问题。基于AC-GAN和LS-GAN,设计并实现主机入侵风险识别网络TR-GAN,该模型能有效解决梯度偏移或梯度消失的问题。TR-GAN相较于AC-GAN及LS-GAN,不但风险识别准确率更稳定,最大识别准确率达到80%,且其风险样本生成模块能在较少训练迭代轮数下就生成与真实攻击样本具有相同特征的攻击样本。生成的攻击样本不但可以作为训练样本的补充,而且可作为部署系统安全策略的参考。
-
关键词
入侵风险识别
生成对抗网络
辅助分类器-生成对抗网络
最小二乘-生成对抗网络
主机特征
-
Keywords
Intrusion risk recognition
Generative adversarial network
auxiliary classifier-gan
Least squares-gan
Characteristic of host
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于生成对抗网络的无载体信息隐藏
被引量：30
- 2
-
-
作者
刘明明
张敏情
刘佳
高培贤
张英男
-
机构
武警工程大学网络与信息安全武警部队重点实验室
-
出处
《应用科学学报》
CAS
CSCD
北大核心
2018年第2期371-382,共12页
-
基金
国家自然科学基金(No.61379152
No.61403417)资助
-
文摘
传统信息隐藏算法通过修改载体来嵌入秘密信息,难以从根本上抵抗基于统计的信息隐藏分析方法的检测,为此提出一种基于生成对抗网络的无载体信息隐藏方法.该方法将生成对抗网络中的类别标签替换为秘密信息作为驱动,直接生成含密图像进行传递,再通过判别器将含密图像中的秘密信息提取出来,并借助生成对抗网络实现无载体信息隐藏.实验结果和分析表明,该隐藏方法在隐写容量、抗隐写分析、安全性方面均有良好表现.
-
关键词
信息隐藏
无载体信息隐藏
生成对抗网络
ACgan(auxiliary
classifier
gan)
-
Keywords
information hiding, coverless information hiding, generative adversarial net-works（gan）, auxiliary classifier gan （ACgan）
-
分类号
P751.1
[交通运输工程—港口、海岸及近海工程]
-
-
题名基于数据增强的小样本辐射源个体识别方法
- 3
-
-
作者
王艺卉
闫文君
段可欣
于楷泽
-
机构
海军航空大学
[
[
-
出处
《雷达科学与技术》
北大核心
2024年第1期104-110,118,共8页
-
基金
国家自然科学基金面上项目(No.62271499,62371465)
电磁空间安全全国重点实验室开放基金。
-
文摘
针对样本数据难获取、捕捉样本类别不全面等样本不足的小样本学习识别准确率不高的困境,提出基于数据增强的小样本辐射源个体识别方法。首先,通过时域翻转、振幅反转、振幅缩放和噪声处理等方法对小样本数据集进行数据集扩充;其次,将噪声序列和类别标签输入生成器进一步生成“以假乱真”的生成样本,提高生成样本的多样性并通过辅助分类器同步完成真假样本判别和类别预测;最后,根据判别器动态反馈渐进式调整损失函数权值,重点关注高质量样本进一步优化网络,提高识别准确性。
-
关键词
辐射源个体识别
小样本
数据增强
辅助分类生成对抗网络
-
Keywords
specific emitter identification(SEI)
few-shot samples
data augmentation
auxiliary classifier gan
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
