一种融合动量对比学习和Transformer的网络攻击检测方法

本发明公开了一种融合动量对比学习和Transformer的网络攻击检测方法，该检测方法通过采集工业系统网络大量的无标签数据，使用动量对比学习融合Transformer进行无监督学习，提取数据中的高维、长序列特征，构建具有高判别性的特征嵌入空间，使用主成分分析方法对高维特征进行降维，将降维后的特征作为BDSCAN密度聚类算法的输入，进行聚类分类，通过灰狼优化算法对DBSCAN算法中的参数进行寻优，通过迭代输出最佳算法参数，直到达到检测性能要求结束程序。本发明能更好地适用于数据高维复杂的场景，并适合于数据无标签的情况，提高整体的网络检测准确性和鲁棒性，增强网络检测实用性与适应性。