基于二次特征提取和BiLSTM-Attention的网络流量异常检测方法

来源：电子与信息学报杂志2023年第12期北京时间：

作者：潘成胜, 李志祥, 杨雯升, 蔡凌云, 金爱鑫

单位：南京信息工程大学 南京 210044

摘要：针对传统的网络流量异常检测方法存在识别准确度低、表征能力弱、泛化能力差，忽略了特征之间的相互关系等问题，该文提出一种基于二次特征提取和BiLSTM-Attention的网络流量异常检测方法。通过使用双向长短期记忆网络(BiLSTM)学习数据之间的特征关系，完成数据的一次特征提取，在此基础上，定义一种基于注意力机制的特征重要性权重评估规则，依据特征重要性大小对BiLSTM生成的特征向量给予相应的权重，完成数据的二次特征提取。最后，提出一种“先总分后细分”的设计思想构建网络流量异常检测模型，实现多分类网络流量的异常检测。实验结果表明，该文所提方法在性能上要优于传统单一的模型，并且具有良好的表征能力和泛化能力。

关键词：流量异常检测, 深度学习, 二次特征提取, 双向长短期记忆网络, 注意力机制

基金资助：国家自然科学基金(61931004)，江苏省双创团队