基于對齊原型網絡的小樣本異常流量分類

摘要： 異常流量分類是應對網絡攻擊，制定網絡防御的前提.網絡流量數(shù)據量大導致分析成本高，新型異常流量標記樣本數(shù)量少導致分類難度大，小樣本學習能有效應對這些問題.但目前小樣本學習的方法仍然面對著復雜的模型或計算過程帶來的效率低下、訓練和測試樣本分布偏差導致的監(jiān)督崩潰問題.本文提出了一種基于對齊的原型網絡，包含內部對齊和外部對齊模塊.該方法首先基于原型網絡在元學習框架下生成類別原型，其內部... （共12頁）