基于擴張卷積神經(jīng)網(wǎng)絡(luò)的異常檢測模型

摘要： 目的 提出一種基于DCNN-MiLSTM的異常檢測模型，解決傳統(tǒng)的網(wǎng)絡(luò)異常檢測模型難以處理具有時序特征網(wǎng)絡(luò)流量數(shù)據(jù)的問題。方法 對原始流量數(shù)據(jù)的時間標簽進行重定義，利用擴張卷積神經(jīng)網(wǎng)絡(luò)對整體特征進行提取，同時引入Mogrifier LSTM網(wǎng)絡(luò)，對時序信息進行深層次挖掘。結(jié)果 與其他異常檢測模型相比，DCNN-MiLSTM模型的準確率達到99.12%,召回率為98.94%,F_...