基于深度长短记忆网络的网络数据流异常检测研究

作者：周永吉; 李阳; 黄博^*

来源：自动化技术与应用, 2023, 42(08): 82-87.

DOI：10.20033/j.1003-7241.(2023)08-0082-06

• 深度长短记忆网络
• 网络数据流
• 异常检测
• 特征提取

为了获得更为精准的网络数据流异常检测结果，提升检测效率，减小多因素影响造成的检测误差偏大问题，引入深度长短记忆网络对数据流异常检测参量进行结构优化，优化可分为网络数据流异常特征属性检测量定义、异常数据属性特征提取、深度长短记忆网络下的异常数据特征预处理、建立数据异常检测模型四个部分。通过从异常特征属性定义入手，全方位量化、构建全新深度长短记忆网络下的数据流异常检测模型，以此获得更为精准的检测结果。通过数据对比证实，基于深度长短记忆网络的网络数据流异常检测方法针对一般情况下的异常数据检测灵敏度较高，检测误差低，检测结果可信度和准确率高，检测耗时短，实际应用效果好。