基于时空特征融合的网络异常流量检测方法

来源：电子测量技术杂志2025年第14期北京时间：

作者：徐仪帆

单位：四川大学网络空间安全学院 成都 610065

摘要：针对传统网络异常流量检测模型存在数据时空特性利用不充分和泛化能力较差等问题，提出一种基于多头注意力机制和时空特征融合的网络异常流量检测方法。通过卷积神经网络（CNN）提取流量数据的空间局部特征，并引入多头注意力机制对特征进行多角度自适应重加权，从而提升模型对异常流量的敏感度。将重加权后特征输入双向长短期记忆网络（BiLSTM），挖掘流量数据中的长距离时序依赖关系。最后，利用Softmax对流量数据进行分类与识别。在公开数据集NSL-KDD和CIC-IDS-2017上开展实验，检测准确率分别为85.40%和99.41%，验证了该方法在异常流量检测任务中的有效性。

关键词：异常流量检测;注意力机制;卷积神经网络;长短期记忆网络