基于生成对抗模型的告警数据增强研究

打开文本图片集

摘要：随着网络通信技术的不断发展，网络结构也变得越来越复杂，网络故障的诊断和处理问题也越来越复杂，网络告警数据的采集提取以及处理成为了有难度的问题。为了利用较少的告警数据训练模型以诊断告警，引入了数据增强算法以扩充数据，训练模型。但以循环神经网络（RecurrentNeural Network， RNN）为代表的一些深度学习模型存在梯度消失、暴露偏差等问题，本文提出了一种以生成式对抗网络（Generative Adversarial Networks， GAN）为基础的告警日志数据扩充方法，通过生成模型与判别模型二者之间的博弈对抗训练，提升数据生成的性能。（剩余4773字）