一种基于TransCNN和数据均衡策略的工控异常检测及分类方法

本发明属于工业网络流量异常检测技术领域，公开一种基于TransCNN和数据均衡策略的工控异常检测及分类方法。通过改进的transfomer模型进行异常检测，划分为异常数据和正常数据；基于数据均衡策略，生成高质量的生成数据以及欠采样后的正常数据，同真实数据共同形成样本均衡数据集，通过LightGBM算法进行异常数据分类。本发明通过层级特征融合整合深度学习模型的各层表征，避免低层信息丢失。引入分歧正则化策略，增强注意力头独立性，并采用一维卷积层精准处理空间特征，有效捕获时空复杂性。针对数据不平衡问题，本发明提出一种数据均衡策略，通过欠采样正常数据和过采样异常数据，提升分类精度并减少混淆，提高整体分类性能。