摘要
本发明提供一种基于LSTM的方法来检测网络中各种类型的BGP异常行为,并构建一个实时自动化BGP异常检测系统。该方法针对传统机器学习方法忽视异常发生前后的连续变化以及检测异常类型单一的问题,考虑到异常发生前后的变化连续性,根据一定的时间窗口划分时间序列,利用多层感知器从原始特征中获取到高级复杂特征,基于LSTM的模型实现多种类型BGP异常事件检测。本发明还将该方法应用于BGP异常检测系统之中,实现了多类型BGP异常事件实时自动化检测,无需依赖第三方检测。
技术关键词
异常事件
异常检测方法
多层感知器
报文
异常检测系统
记忆单元
路径特征
数据开放平台
序列
统计特征
逻辑控制单元
训练集
前馈神经网络
机器学习方法
字段
模块
解析工具
样本
基础结构
系统为您推荐了相关专利信息
高速公路交通异常事件
画面
卡尔曼滤波方法
孤立森林算法
异常轨迹
指标异常检测方法
传感器节点
异常检测系统
预处理算法
指数
功率控制系统
逆变器
报文
通信链路状态
有功功率
节点异常检测方法
时序特征
指标
序列
关联规则分析
深度神经网络模型
风险预测方法
拓扑图
风险预测装置
序列数据处理