基于網(wǎng)絡(luò)流量時(shí)空特征和自適應(yīng)加權(quán)系數(shù)的異常流量檢測(cè)方法

摘要： 針對(duì)傳統(tǒng)異常流量檢測(cè)模型對(duì)流量數(shù)據(jù)時(shí)空特性利用率較低從而導(dǎo)致檢測(cè)模型性能較差的問(wèn)題，該文提出一種基于融合卷積神經(jīng)網(wǎng)絡(luò)(CNN)、多頭擠壓激勵(lì)機(jī)制(MSE)和雙向長(zhǎng)短期記憶(BiLSTM)網(wǎng)絡(luò)的異常流量檢測(cè)方法MSECNN-BiLSTM。利用1維CNN挖掘空間尺度下的異常流量特征，并引入MSE，多角度自適應(yīng)特征加權(quán)，強(qiáng)化模型全局特征的關(guān)聯(lián)能力。將網(wǎng)絡(luò)流量的特征輸入BiLSTM，捕... （共8頁(yè)）