多模态融合与时序特征相残差的异常流量检测方法
来源：计算机应用与软件杂志2025年第3期北京时间：
作者：刘会景, 唐永旺, 郑登峰
摘要：针对当前基于深度学习的方法无法有效融合流量多模特征的问题，提出一种多模融合与时序特征相残差的异常流量检测方法。以会话为单位切分原始流量，获取流量记录的多模态特征；通过跨模态注意力机制进行多模特征融合，进而利用Transformer挖掘流量记录的时序特征；采用残差学习的方法联合多模态融合特征和时序特征进行检测。在CSE-CIC-IDS2018数据集上验证，二分类和多分类的准确率分别为95.19%和90.52%，相较于对比方法，在准确率和精度最优时误报率最低。
关键词：深度学习, 多模态融合, 时序特征, 残差学习, 注意力机制, 异常流量
