基于时序衰减自适应边分组的网络流量异常检测方法及系统

基于时序衰减自适应边分组的网络流量异常检测方法及系统，其方法包括：S1.网络流数据预处理；S2.构建网络流交互图数据；以网络设备为节点，网络设备之间的通信行为作为边，得到原始的图结构；对原始图按边采样，并构建包含采样边及其两端局部子图作为模型的训练图数据；S3.计算图中深层节点与边嵌入向量；将图中的节点特征和边特征初始化后，根据时间窗口及时序衰减机制，设计异质边自适应分组的图神经网络算法进行节点之间的信息传递与边嵌入向量的更新；S4.计算损失函数；采用多层感知器来计算最后的预测结果，输入步骤S3中的边嵌入向量，经过Sigmoid输出预测分数，设置决策阈值来判断目标边是否为异常边，使用交叉熵分类损失进行优化；S5.进行边预测任务；将网络流数据集中的数据划分为训练集、验证集和测试集，使用Adam优化器经多个Epoch训练以更新神经网络中的参数，记录每一次Epoch中模型的性能，评价模型的性能，保存平均性能最佳的模型，最终得到网络流异常检测模型。