.png){kind=icon}
返回
Diffusion model-based network packet synthesis using inter-packet difference learning
.png){kind=icon}
PRE
AI
DOI：10.23919/comex.2025XBL0132.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，网络分析越来越多地采用数据包数据分析进行机器学习。然而，数据包数据积累存在诸多问题，包括数据积累困难以及攻击模式多样性不足。为解决这些问题，研究人员越来越多地将合成数据生成方法作为训练机器学习模型的替代数据积累方案。然而，传统的基于GAN的合成数据生成方法存在局限性，特别是在训练不稳定导致的统计特征不一致以及数据包字段内部和连续数据包之间缺乏相关性。本文提出了一种将数据包数据转换为结构化图像表示的方法，并在先前数据包数据的基础上，利用条件扩散模型生成差异图像数据。所提出的差异表示方法排除了未变化的字段，专门关注捕捉数据包间关系的可变组件。在CICIDS 2017数据集上进行的评估实验表明，所提出的方法在统计分布相似性指标和分类难度评估两方面均优于传统方法。
Keyword:
network packet generation
diffusion model
synthetic data
期刊
I
IF:
0.3
论文数:
20
被引数:
272
机构
引用论文
分享收藏An Efficient Flow-Based Anomaly Detection System for Enhanced Security in IoT Networks一种基于流的高效异常检测系统，用于提升物联网网络的安全性.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Packet-Level and Flow-Level Network Intrusion Detection Based on Reinforcement Learning and Adversarial TrainingAlgorithms
OAAI
AlgorithmsIF0
OAAI分享收藏PcapGAN: Packet Capture File Generator by Style-Based Generative Adversarial NetworksPcapGAN：基于样式生成对抗网络的报文捕获文件生成器
PREAI
分享收藏 没有更多内容
没有更多内容