科研之友
微信
新浪微博
Facebook
分享链接
摘要
与传统的异常检测任务不同,流数据具有容量庞大、到达迅速和概念漂移等特点,致使单个平稳模型难以满足数据异常检测需求。在递归神经网络的基础上引入多个LSTM单元,构成一个深层递归神经网络,再与自动编码器相结合,提出了基于LSTMs-Autoencoder的流数据异常检测算法。该算法不仅可以对流数据进行实时检测,还能够有效应对概念漂移现象,实时适应流上的数据演化,保证检测结果准确、有效。最后通过基于实际数据的仿真实验,验证了该算法在应对在线更新、实时检测以及概念漂移方面的优势,得到了比ADM算法训练准确性高0.07%、检测误差低0.004%的对比优势。
-
单位电子工程学院; 浙江工商大学
