基于LSTM的动态图模型异常检测算法研究

来源：计算机工程与应用杂志2019年第5期北京时间：

作者：王 凯，陈丹伟

单位：南京邮电大学 计算机学院、软件学院、网络空间安全学院，南京 210003

摘要：传统异常检测模型往往基于内容特征，随着攻击手段的提高，该方法易于被绕过，因此图挖掘技术逐渐成为了国内外学术研究的热点。为了提高异常检测的准确率，提出了一种基于长短时记忆网络的动态图模型异常检测算法。首先通过对动态图的变化特征进行分析，总结了Egonet图结构距离和编辑距离两类特征，高效地表示动态图结构的变化情况。其次，通过基于LSTM的时间序列分类算法，进行模型的训练。最后对抓取的网络数据流进行入侵检测，对超过6万节点和300万条边的拓扑图进行测试。最终实验结果表明，该算法具有更高的准确率和召回率，可以有效地检测出网络入侵事件。

关键词：异常检测,图挖掘,时间序列,长短时记忆（LSTM）