基于聯(lián)合注意力機(jī)制和一維卷積神經(jīng)網(wǎng)絡(luò)-雙向長短期記憶網(wǎng)絡(luò)模型的流量異常檢測方法
電子與信息學(xué)報(bào)
頁數(shù): 10 2022-09-14
摘要: 針對流量數(shù)據(jù)集中類別不平衡限制了分類模型對少數(shù)類攻擊流量的檢測性能這一問題,該文提出一種基于聯(lián)合注意力機(jī)制和1維卷積神經(jīng)網(wǎng)絡(luò)-雙向長短期記憶網(wǎng)絡(luò)(1DCNN-BiLSTM)模型的流量異常檢測方法。首先在數(shù)據(jù)預(yù)處理過程中利用BorderlineSMOTE方法對流量數(shù)據(jù)不平衡訓(xùn)練樣本預(yù)處理,使得各類流量數(shù)據(jù)均衡,有助于后續(xù)模型對各類數(shù)據(jù)的充分訓(xùn)練。然后設(shè)計(jì)聯(lián)合注意力機(jī)制和1DCNN... (共10頁)