基于網(wǎng)絡流量時空特征和自適應加權(quán)系數(shù)的異常流量檢測方法

摘要： 針對傳統(tǒng)異常流量檢測模型對流量數(shù)據(jù)時空特性利用率較低從而導致檢測模型性能較差的問題，該文提出一種基于融合卷積神經(jīng)網(wǎng)絡(CNN)、多頭擠壓激勵機制(MSE)和雙向長短期記憶(BiLSTM)網(wǎng)絡的異常流量檢測方法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，多角度自適應特征加權(quán)，強化模型全局特征的關(guān)聯(lián)能力。將網(wǎng)絡流量的特征輸入BiLSTM，捕...