基于AAE的网络路径拥塞性能状态识别
网络空间安全学院
网络拥塞不仅会急剧地降低网络的服务性能，还会给网络带来重大的安全隐患，是网络安全运营管理的一个重要监控目标。本项目提出了一种基于网络层析成像和对抗自动编码器（Adversarial Autoencoders，AAE）的拥塞链路诊断模型。AAE作为一种深度学习的无监督模型方法，利用无标记的数据可以学习到具有表征限制的数据特征。通过结合AAE的学习能力和网络层析成像的方法，实现对网络路径拥塞状态的识别和预测。
