基于改进的WGAN采样与集成学习的网络入侵检测方法

本发明涉及基于改进的WGAN采样与集成学习的网络入侵检测方法，与现有技术相比解决了针对高维且类不平衡的网络流量数据，集成模型的基学习器自适应能力不足，难以抑制噪声干扰并挖掘关键攻击模式的缺陷。本发明包括以下步骤：网络流量数据的获取；基于DDWGLO框架进行数据增强；基于Stacking构建网络入侵检测模型；网络入侵检测模型的训练；网络入侵的实时检测。本发明采用DDWGLO进行数据增强、基于Circle混沌映射改进的牛顿‑拉夫逊优化算法自适应分配权重，进而提高网络入侵检测的准确性。