基于擴張卷積神經(jīng)網(wǎng)絡的異常檢測模型
沈陽建筑大學學報(自然科學版)
頁數(shù)： 7 2024-07-15
摘要： 目的 提出一種基于DCNN-MiLSTM的異常檢測模型，解決傳統(tǒng)的網(wǎng)絡異常檢測模型難以處理具有時序特征網(wǎng)絡流量數(shù)據(jù)的問題。方法 對原始流量數(shù)據(jù)的時間標簽進行重定義，利用擴張卷積神經(jīng)網(wǎng)絡對整體特征進行提取，同時引入Mogrifier LSTM網(wǎng)絡，對時序信息進行深層次挖掘。結果 與其他異常檢測模型相比，DCNN-MiLSTM模型的準確率達到99.12%,召回率為98.94%,F_... （共7頁）
APP 