10.3969/j.issn.1006-2475.2019.10.013
一种基于深度Encoder-Decoder神经网络的智能电网数据服务器流量异常检测算法
传统的网络流量异常检测通常基于单一原始特征变量进行阈值判断,或者对多个相关变量进行降维设计统计量后进行阈值判断,这类方法虽然简单,但无法应对变量间非线性关系随时间变化的情况.本文设计一种能够自适应动态逼近变量间非线性关系的深度神经网络,在普通的Encoder-Decoder神经网络的基础上引入2层注意力机制,提高了神经网络对长期历史信息的利用程度,实现了流量正常状态估计.基于估计得到的流量正常行为,分析其与实测值的残差分布情况,并最终给出置信区间作为判别异常行为的控制限.
智能网、流量异常检测、深度神经网络、正常行为模型、置信区间、控制限
TP393.06(计算技术、计算机技术)
2019-10-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
66-71