一种基于集成学习与特征融合的网络异常流量检测方法

本发明属于网络安全的技术领域，具体涉及为一种基于基于集成学习与特征融合的网络异常流量检测方法。本发明运用CNN和Transformer分别提取的空间特征进行提取融合，并通过BiLSTM对时序特征进行提取，将决策树和XGBoost模型进行集成，完成对特征信息的识别、分类。同时，通过设计决策树和XGBoost的集成学习，采用多数投票法，从中选择最常见的类别作为预测输出，进一步得到评估结果。本发使用KDDCup99、NSL‑KDD和UNSW‑NB15三个不同的数据集，在NATDBELFF异常流量检测模型与CNN、CNN‑LSTM、CNN‑BiLSTM等现有模型中进行实验。实验表明，本发明与现有的主流方法相比较，可以更高效、更准确地实现网络异常流量检测任务。