基于深度學(xué)習(xí)的異常流量檢測算法研究

打開文本圖片集

摘要：隨著大數(shù)據(jù)、人工智能等網(wǎng)絡(luò)技術(shù)在人們生產(chǎn)生活中的常態(tài)化應(yīng)用，網(wǎng)絡(luò)流量安全成為當(dāng)前亟待解決的問題?；诖耍槍ΜF(xiàn)有模型過于復(fù)雜，且難以保障識別高精度條件的問題展開分析，并對基于LSTM-RNN（長短期記憶—循環(huán)神經(jīng)網(wǎng)絡(luò)）的有監(jiān)督流量異常檢測模型的討論。同時，還針對現(xiàn)有模型過于依賴數(shù)據(jù)標(biāo)簽的情況進(jìn)行優(yōu)化，提出一種基于Autoencoder-LOF（自動編碼器—局部離群因子）的無監(jiān)督流量異常檢測模型，以保證及時捕捉關(guān)鍵信息。（剩余5388字）