一种基于双阶段深度学习的自适应网络异常检测方法

一种基于双阶段深度学习的自适应网络异常检测方法，涉及一种网络异常检测方法，本发明提出一种创新、协同的深度学习框架，用于网络流量异常检测，该框架有效地利用了卷积神经网络(CNN)、长短期记忆网络(LSTM)和Transformer的优势。其显著特点是无缝集成的自学习能力，使系统能够自主适应不断演变的网络威胁环境。这种自适应属性在动态网络环境的背景下至关重要。所提出的框架为开发更高效、更自主的网络安全解决方案提供了有希望的途径，本发明在网络流量异常检测领域代表了重大的飞跃，推动了该领域的边界，并为开发自适应、高性能的网络安全系统铺平了道路。对于保护数字资产和确保网络基础设施在面对日益复杂的网络威胁时的完整性具有深远的影响。