摘要
本发明公开了一种双通道多尺度的网络流量异常检测方法,属于网络安全技术领域。针对现有方法不能全面分析网络流量的时间空间特征来进行异常检测的问题,首先将网络流量数据的所有特征分为空间特征以及时间特征,空间特征通过多个不同尺度的空洞卷积提炼和扩展,捕捉不同距离内的空间信息,将多个空洞卷积块的输出进行组合,通过全连接层与时间特征进行融合,时间特征通过BIGRU建模时序依赖关系,注意力机制为序列中的每个时间步分配不同的权重,增强对重要时序特征的捕捉;然后通过融合层完成对两个通道特征的融合;最后通过线性层映射到输出空间,生成每个类别的概率分布。实验结果表明,本发明在真实世界数据集上取得了较好的结果。
技术关键词
网络流量异常检测模型
网络流量异常检测方法
门控循环单元
多尺度
网络流量特征
异常流量
空洞
网络流量数据
注意力机制
卷积模块
sigmoid函数
pcap文件
层次结构信息
真实网络环境
分析网络流量
线性
时序特征
历史流量数据
时序依赖关系
深度学习框架
系统为您推荐了相关专利信息
异常检测方法
神经网络单元
图像处理
关键点
空间金字塔池化
图像分割方法
分辨率
融合特征
输入多尺度
金字塔池化模块
预测特征
多层注意力机制
数据处理方法
邻居
实体
土地利用分类方法
交叉注意力机制
特征融合网络
融合特征
数据