BLAC:注意力机制时序网络流量异常检测模型

作者：李婧; 周师严^*

来源：现代电子技术, 2023, 46(04): 91-96.

DOI：10.16652/j.issn.1004-373x.2023.04.017

• 异常检测
• BLAC模型
• 特征提取
• 注意力机制
• 卷积神经网络
• 时序网络流量
• 对比试验

入侵检测的难点之一是如何准确识别流量数据的异常特征。文中提出一个基于卷积神经网络（CNN）、双向长短期记忆网络（Bi-LSTM）和注意力（Attention）的时序流量异常检测模型，即BLAC。为提高BLAC模型的特征提取准确度，使用CNN提取流量数据中的空间特征，利用Bi-LSTM提取流量数据的完整时间特征，解决Attention难以对复杂时间序列数据位置信息进行编码的问题。通过对Attention权重的可视化分析，推测出异常在窗口中发生的时间点。使用雅虎的Webscope S5数据集进行对比试验，结果表明，BLAC模型的性能优于其他SOTA模型，其中关键指标召回率高达98.69%，表示二分类精确度的F1得分达到97.73%。

• 单位
  上海电力大学