文献类型：期刊文章

作　　者：宣萍[1] 房朝辉[1] 丁宏[1]

XUAN Ping;FANG Zhaohui;DING Hong(Electronic and Electrical Products Inspection Institute,Anhui Product Quality Supervision&Inspection Research Institute,Hefei 230051,China)

机构地区：[1]安徽省产品质量监督检验研究院电子电器所,安徽合肥230051

出　　处：《安徽大学学报（自然科学版）》

基　　金：安徽省重点研究与开发计划科技合作专项(2022k07020011)。

年　　份：2023

卷　　号：47

期　　号：1

起止页码：24-28

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：网络中异常流量的有效检测对网络安全至关重要.以机器学习方法为主的异常流量检测技术,对流量数据采用特征选择方法进行降维并提取最优特征,但容易忽略数据特征之间的关联性,存在异常流量的检测率低、误报率高等问题.为了提高异常流量检测性能,论文在提取流量数据特征的过程中引入自注意力机制进行相关性学习,并结合深度卷积神经网络提出一种有效的网络流量异常检测模型.实验结果表明:通过引入自注意力机制,论文所提出的检测方法能够提取更准确的流量特征,并使得异常流量检测率高、误报率低.

关 键 词：异常流量检测 自注意力机制  深度学习  特征选择  

分 类 号：TP181]