一种基于生成对抗与多堆叠集成学习的网络入侵检测模型

本发明属于网络入侵检测领域，公开了一种基于生成对抗与多堆叠集成学习的网络入侵检测模型，步骤如下：步骤1，对网络流量数据进行预处理，以选择对网络入侵检测任务更重要的特征；步骤2，对预处理后的网络流量数据使用改进后的生成对抗网络来学习网络流量特征的分布，从而在小规模类别中扩展网络流量的样本；步骤3，将步骤2中增强的网络流量样本输入到基于多堆叠集成学习的网络入侵检测模型中进行训练，以获得更精准的检测结果。将公共可用网络流量数据集按照步骤1进行预处理，按照步骤2实现数据增强，然后将增强后的网络流量数据放入多堆叠集成学习的入侵检测模型中，得到准确性、精确度、F1‑score、FPR和检测稳定性更好的结果。