一种基于时间卷积网络与变换器的异常检测方法

本发明属于深度学习应用技术领域，公开了一种基于时间卷积网络与变换器的异常检测方法。本发明先对CERT r4.2数据集进行预处理和特征提取；然后按照每个用户的时间线，进行数据窗口化；随后利用时间卷积网络、变换器和分类器构建模型；然后将数据集划分为训练集和测试集，将训练集中数据，以用户为单位的窗口化数据输入构建的模型，训练模型，最后将测试集数据输入到训练完成的模型，检测异常行为，同时统计训练模型的工作性能。本专利通过有效融合时间卷积网络生成的局部特征与变换器提供的全局依赖信息，形成更全面的特征表示，强化了后续分类器的支持能力，提升了长时间恶意行为的整体检测性能，具有较好的应用价值。