一种基于深度语义重构与孤立森林的动态阈值异常检测方法及系统

本发明提出一种基于深度语义重构与孤立森林的动态阈值异常检测方法及系统，属于网络安全与人工智能交叉技术领域，采用滑动窗口分割与动态补零机制，将任意长度文本统一为标准化分段数据，构建九层深度自编码器(4层编码层‑中间层‑4层解码层)，学习正常数据多维语义特征，计算各数据段的重构误差矩阵，提取误差分布统计量(均值、方差、偏度、峰度)，采用改进孤立森林算法对提取的误差特征进行无监督聚类，自动生成动态检测阈值，将实时数据通过语义重构与特征分析后，结合动态检测阈值判定是否异常；通过动态阈值生成机制与深度语义特征联合分析，构建自适应异常检测模型，在保持高检测精度的同时降低对人工经验的依赖。