摘要： 入侵檢測是主動防御網(wǎng)絡(luò)中攻擊行為的技術(shù)，以往入侵檢測模型因正常網(wǎng)絡(luò)流量與未知攻擊內(nèi)在特征區(qū)分度不足，導(dǎo)致對未知攻擊識別率不夠高，本文設(shè)計(jì)基于判別條件變分自編碼器與密度峰值聚類算法的入侵檢測模型(DCVAE-DPC).利用判別條件變分自編碼器能夠生成指定類別樣本的能力，學(xué)習(xí)正常網(wǎng)絡(luò)流量特征的隱空間表示并計(jì)算其重建誤差，增加其與未知攻擊間的特征區(qū)分度，并使用密度峰值聚類算法求出正常... （共9頁）