10.3778/j.issn.1002-8331.1712-0080
基于LSTM的动态图模型异常检测算法研究
传统异常检测模型往往基于内容特征,随着攻击手段的提高,该方法易于被绕过,因此图挖掘技术逐渐成为了国内外学术研究的热点.为了提高异常检测的准确率,提出了一种基于长短时记忆网络的动态图模型异常检测算法.首先通过对动态图的变化特征进行分析,总结了Egonet图结构距离和编辑距离两类特征,高效地表示动态图结构的变化情况.其次,通过基于LSTM的时间序列分类算法,进行模型的训练.最后对抓取的网络数据流进行入侵检测,对超过6万节点和300万条边的拓扑图进行测试.最终实验结果表明,该算法具有更高的准确率和召回率,可以有效地检测出网络入侵事件.
异常检测、图挖掘、时间序列、长短时记忆(LSTM)
55
TP391(计算技术、计算机技术)
国家自然科学基金61672016
2019-04-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
76-82