一种基于GAN数据增强与多头注意力机制的恶意流量检测模型

本发明涉及网络安全与流量检测技术领域，尤其是一种基于GAN数据增强与多头注意力机制的恶意流量检测模型。利用GAN生成对抗网络对少数类恶意流量进行样本扩充，并结合欠采样与样本平衡策略，本发明在模型结构中引入多头交叉注意力机制，实现对时序特征与统计特征的多维度融合建模，能够准确识别加密隧道类流量中的隐蔽通信模式，并通过轻量化设计降低计算复杂度与预测延迟，满足实时检测和边缘部署需求。本发明在训练中引入零日攻击模拟与对抗样本扰动测试机制，显著增强了模型的泛化能力与抗干扰特性。本发明在检测效率和鲁棒性方面表现突出，能够为复杂动态网络环境下的恶意流量检测提供高效、可靠的技术支撑。