$\text{C}^{2}\text{BNVAE}$：用于网络入侵检测系统平衡的双条件深度网络流量生成
密码学与安全
2025-06-30 v2
摘要
网络入侵检测系统（NIDS）面临由于类别不平衡导致的挑战，影响其检测新型和稀有攻击的能力。本文提出一种双条件批量归一化变分自编码器（），用于生成平衡且标记的网络流量数据。通过将条件批量归一化（CBN）集成到条件变分自编码器（CVAE）中，提高了模型对不同数据类别的适应性，并能够生成与类别相关的真实数据。实验在NSL-KDD数据集上进行，显示在解决类别不平衡问题和降低计算开销方面相较于某些基线方法具有潜在优势。
引用
@article{arxiv.2506.05844,
title = {$\text{C}^{2}\text{BNVAE}$: Dual-Conditional Deep Generation of Network Traffic Data for Network Intrusion Detection System Balancing},
author = {Yifan Zeng},
journal= {arXiv preprint arXiv:2506.05844},
year = {2025}
}
备注
In ICML 2025 Workshop NewInML