科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统的网络流量异常检测方法存在识别准确度低、表征能力弱、泛化能力差，忽略了特征之间的相互关系等问题，该文提出一种基于二次特征提取和BiLSTM-Attention的网络流量异常检测方法。通过使用双向长短期记忆网络(BiLSTM)学习数据之间的特征关系，完成数据的一次特征提取，在此基础上，定义一种基于注意力机制的特征重要性权重评估规则，依据特征重要性大小对BiLSTM生成的特征向量给予相应的权重，完成数据的二次特征提取。最后，提出一种“先总分后细分”的设计思想构建网络流量异常检测模型，实现多分类网络流量的异常检测。实验结果表明，该文所提方法在性能上要优于传统单一的模型，并且具有良好的表征能力和泛化能力。
- 单位
