基于网络流量时空特征和自适应加权系数的异常流量检测方法

来源：电子与信息学报杂志2024年第6期北京时间：

作者：顾伟, 行鸿彦, 侯天浩

单位：南京信息工程大学电子与信息工程学院 南京 210044

摘要：针对传统异常流量检测模型对流量数据时空特性利用率较低从而导致检测模型性能较差的问题，该文提出一种基于融合卷积神经网络(CNN)、多头挤压激励机制(MSE)和双向长短期记忆(BiLSTM)网络的异常流量检测方法MSECNN-BiLSTM。利用1维CNN挖掘空间尺度下的异常流量特征，并引入MSE，多角度自适应特征加权，强化模型全局特征的关联能力。将网络流量的特征输入BiLSTM，捕捉流量数据的时序依赖性，进一步建立网络流量在时间尺度上的关系模型。利用softmax分类器进行预测分类，实验结果验证了所提模型在异常流量检测领域的有效性。

关键词：异常流量检测, 卷积神经网络, 长短期记忆网络, 挤压激励机制

基金资助：国家自然科学基金(62171228)，国家重点研发计划 (2021YFE0105500)