Tian-Yi Zhou

新的神经网络方法可在无真实异常数据的情况下增强网络攻击检测能力

研究人员开发了一种新颖的基于神经网络的异常检测方法，用于网络安全领域，该方法在训练时不需要先验的异常分布知识或真实的异常样本。该方法仅使用正常样本进行分类器训练，并辅以合成异常，已被证明可以学习正常区域的边界。该方法在各种异常检测任务中表现出鲁棒的性能，包括网络入侵检测，与现有的最先进基线相比，它显著提高了对新型网络攻击的识别能力。