一种基于Snd-LSTM网络模型的网络攻击识别方法

本发明公开了一种基于Snd‑LSTM网络模型的网络攻击识别方法，涉及网络模型技术领域，对网络流量数据进行实时采集，并使用数据清洗算法对网络流量数据进行预处理；设计Snd‑LSTM网络模型的结构，捕捉网络流量中的时序特征；利用预处理后的网络流量数据训练Snd‑LSTM网络模型，进而分析网络流量的动态变化趋势；将待检测的网络流量数据输入训练好的Snd‑LSTM模型，根据网络流量特征模式进行推理计算，输出表示不同网络攻击类型概率的概率向量。本发明利用Snd‑LSTM能够通过学习历史数据中的模式，有效区分正常流量与异常攻击流量，不仅提高了攻击检测的准确性，还显著提升了检测效率，使得系统能够在实时环境中快速响应潜在威胁。