基于VAE-GMM的高级持续威胁攻击异常流量检测

来源：计算机应用与软件杂志2025年第11期北京时间：

作者：吕广旭, 王小英, 冯燕茹, 卢加奇

摘要：基于多维或高维流量数据的异常检测在APT攻击研究中具有重要的应用场景。高维流量数据传统处理方法未能充分关注数据内部结构，检测效率低，因此提出变分自编码-高斯混合模型的半监督异常检测方法(VAE-GMM)。该方法将流量数据输入生成网络中获得相应的低维表示和重构误差并作为后续估计网络的输入；估计网络则利用高斯混合模型预测样本似然能量值并根据似然能量值判断异常流量。模型重新设计损失函数和重构误差，以端到端的双网络联合训练方式摆脱局部最优，优化检测效果。实验结果表明，该模型优于其他异常检测模型，与传统DAEGMM方法相比，召回率提升了13%。

关键词：异常流量检测, 高级可持续威胁攻击, 高斯混合模型, 变分自编码