摘要
本发明提供一种网络流量异常检测方法及系统,属于网络安全技术领域,获取网络数据;利用预先训练好的网络流量异常检测模型对获取的网络数据进行处理,得到异常检测结果;其中,通过基于自编码器模型计算训练数据中每个样本的异常得分,衡量样本的异常程度,作为样本初始化权重;基于样本初始化权重,动态调整样本的权重,将异常得分和公平性损失结合作为模型训练的加权损失函数进行训练。本发明避免了复杂的因果推理和数据生成过程,直接通过异常得分和权重调整进行优化,显著提高了算法的效率和稳定性,提高了模型的稳定性和公平性。
技术关键词
样本
加权损失函数
非暂态计算机可读存储介质
非数值特征
数据
拉格朗日乘子法
处理器
存储器
编码器
孤立森林算法
二进制特征
网络安全技术
协议
电子设备
加速算法
训练集
系统为您推荐了相关专利信息
智能布置方法
发动机舱
深度学习模型
标签
横截面切片图像
接地故障测距方法
海缆系统
故障行波
零序电压互感器
小波神经网络
载人移动机器人
行驶方法
动态摩擦系数
三维点云数据
视频流
风险管理系统
安装拆卸机构
屏蔽组件
球形接头
信号屏蔽器