迁移学习
定义：把已训练好的模型参数迁移到新的模型来帮助新模型训练
所看论文主要用途
思想：创建源和目标数据集的域不变映射
动机：（1）用于训练传统网络的DL模型的数据集可能不适用于移动网络或物联网网络。
（2）无法识别随着时间的推移发现的新的攻击家族。
少样本学习
定义：利用少量的有标签样本学习一个分类器,对未知的类进行识别
FSL 既可以是监督学习, 也可以是半监督学习, 取决于从有限的监督信息中可以获得哪种数据
分层聚类
分层聚类如何提供更细粒度、无监督的分析能力
它依赖于层次聚类技术来发现和表征嵌套或分层结构的多维数据中存在的异常模式，这在网络流量中很常见——例如，由于多层协议。
(i)检测多维数据中的异常行为，(ii)关联并联合分析数据层次结构的多个维度，以解释所检测到的行为背后的潜在原因
多元相关性分析
多元相关性分析法 (Multiple Correlation Analysis, MCA)是Zhiyuan Tan 等[45]提出的，它是相关性分析和多元统计分析的结合，主要思想是利用三角形面积对数据集中每一个样本的特征内的相关性信息进行提取—《基于统计分析和增量学习的网络入侵检测算法研究_李珊珊》
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
