一种基于深度学习与大数据分析的异常行为识别方法

本发明公开了一种基于深度学习与大数据分析的异常行为识别方法，涉及网络异常行为识别技术领域，包括以下步骤：步骤一：实时监控数据流，通过动态阈值方法进行计算阈值，同时补充噪声和异常值处理机制；步骤二：选择基于密度的局部离群因子和基于聚类的K‑means两种不同类型的异常检测模型，分别从不同角度分析数据，并验证参数选择和调整策略；本发明通过动态阈值方法和控制图技术来实时监控数据流，能够适应数据的变化，提高异常检测的实时性和准确性。采用基于密度的局部离群因子和基于聚类的K‑means两种不同类型的异常检测模型，从不同角度分析数据，实现多模型集成。并采用加权融合将检测结果融合，可提高特征的有效利用率和检测的准确性。