TA-GAN: GAN based Traffic Augmentation for Imbalanced Network Traffic Classification
摘要：本文提出了一种基于GAN的流量增强算法(TA-GAN)用于不平衡流量分类。TA-GAN是一个将 小样本流量的生成与目标分类器的训练相结合的端到端分类器。 预训练一个传统的CNN网络进行分类器的初始化，同时使用GAN为小样本类别进行数据增强。
; 一、介绍
Contributions:
- 提出了一个端到端的TA-GAN非平衡流量分类框架。它可以扩展现有的基于DL的NTC（network traffic classification）方案，以更好地适应不平衡的流量情况。
- 预训练过程可以加速训练的收敛，在训练过程中，使用预先训练好的网络作为分类器，可以为模型提供更多有意义的信号，帮助其更快地收敛。
- 在生成器和分类器之间设计了一种反馈机制，为生成器提供约束，并引导其合成更适合数据扩充的流量样本。同时，分类器的实时性能反映了生成流量样本的质量，解决了生成过程难以控制的问题
- TA-GAN在 ISCXVPN2016数据集的两组不平衡流量数据上取得了优异的结果，并且优于几种最先进的方法
二、方法
Original: https://blog.csdn.net/qq_39328436/article/details/123328591
Author: vector<>
Title: 【论文分享】不平衡网络流量分类方法 TA-GAN:GAN basedTraffic Augmentation for Imbalanced Network Traffic Classification
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/666573/
转载文章受原作者版权保护。转载请注明原作者出处！