10.3969/j.issn.1003-3114.2022.01.010
基于深度学习的网络异常检测和智能流量预测方法
边缘计算场景下,边缘设备时刻产生海量蜂窝流量数据,在异常检测任务中针对直接对原始数据检测异常存在的计算冗余问题,提出基于特征降维的蜂窝流量数据异常检测方法.该方法在全局范围内利用LSTM自编码器提取流量数据特征和标识异常网格,然后在存在可疑异常的网格使用K?means聚类进行局部异常确认,结果表明可以更好地检测出不同活跃度区域内的漏报异常;同时,对于流量数据预测任务中只考虑时空相关性,忽略不同业务间相关性的问题,提出多数据集联合预测方法,引入注意力机制学习不同业务间的相关性.该方法进一步提高了流量预测的准确度,理论分析和仿真试验均验证了其有效性.
全局异常检测;特征降维;LSTM自编码器;联合预测;边缘计算
48
TN915.08;TP18
国家自然科学基金;之江实验室开放课题
2022-02-18(万方平台首次上网日期,不代表论文的发表时间)
共8页
81-88