基于全局层次化特征融合和多任务学习的异常流量检测方法

来源：计算机应用与软件杂志2025年第9期北京时间：

作者：刘会景, 唐永旺

摘要：针对当前基于深度学习的方法对于网络流量表征和泛化能力方面较弱的问题，提出一种基于全局层次化特征融合和多任务学习的异常流量检测方法。该文将原始流量以会话流为单位进行切分，构建全局层次化特征融合框架，并行提取会话流空间和时间特征进行残差融合；设计会话记录多分类为主任务，会话流多分类和会话流对是否为上下文关系为辅助任务的多任务学习框架；输入会话流对进行训练和预测。在 TON_IoT 数据集上验证，二分类和多分类的准确率分别为 94.35% 和 91.96%，相较于对比方法，在准确率和精度最优时误报率较低。

关键词：深度学习, 时间特征, 空间特征, 层次化特征融合, 多任务学习, 异常流量