自注意力的多特征网络流量异常检测与分类

作者：皇甫雨婷; 李丽颖; 王海洲; 沈富可; 魏同权^*

来源：华东师范大学学报(自然科学版), 2021, (06): 161-173.

DOI：10.3969/j.issn.1000-5641.2021.06.016

• 网络异常检测
• 网络异常分类
• 自注意力
• 特征选择
• 多特征相关性

基于特征选择的网络流量异常检测引起了人们广泛的研究兴趣.现有的方案大多通过简单降低流量数据的维度来检测异常,却忽略了数据特征之间的相关性,导致异常流量检测效率低下.为了有效识别各种类型的攻击,首先提出了一种自注意力机制模型来学习网络流量数据多个特征之间的相关性.然后,设计了一种新型的多特征异常流量检测和分类模型,该模型分析了异常流量数据中多特征之间的相关性,达到检测与识别异常网络流量的目的.实验结果表明,与两种基准方法相比,所提出的技术将异常检测和分类的准确率提高了1.65%,并将误报率降低了1.1%.

• 出版日期2021
• 单位华东师范大学