[1]高治军,曹浩东,韩忠华.基于扩张卷积神经网络的异常检测模型[J].沈阳建筑大学学报(自科版),2024,(4):738-744.[doi:10.11717/j.issn:2095-1922.2024.04.18]
点击复制
基于扩张卷积神经网络的异常检测模型(
)
《沈阳建筑大学学报(自科版)》[ISSN:1006-6977/CN:61-1281/TN]
- 卷:
-
- 期数:
-
2024年第4期
- 页码:
-
738-744
- 栏目:
-
机械工程
- 出版日期:
-
2024-07-29
文章信息/Info
- 作者:
-
高治军; 曹浩东; 韩忠华
-
- 关键词:
-
网络异常检测; 扩张卷积神经网络; 标签重定义; 时序特性
- DOI:
-
10.11717/j.issn:2095-1922.2024.04.18
- 摘要:
-
目的 提出一种基于DCNN-MiLSTM的异常检测模型，解决传统的网络异常检测模型难以处理具有时序特征网络流量数据的问题。方法 对原始流量数据的时间标签进行重定义，利用扩张卷积神经网络对整体特征进行提取，同时引入Mogrifier LSTM网络，对时序信息进行深层次挖掘。结果 与其他异常检测模型相比，DCNN-MiLSTM模型的准确率达到99.12%，召回率为98.94%， F1值为99.03%，各项指标均优于其他常见模型，提升了检测异常网络流量数据的能力。结论 DCNN-MiLSTM模型可以更好地处理具有时序特征的流量，捕捉流量数据中的时间依赖关系和趋势，更有效地检测和识别出异常数据。
更新日期/Last Update:
2024-07-29