Print

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

论文摘要

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。

论文目录

  • 0 引 言
  • 1 基于深度学习的网络流量正常行为模型
  •   1.1 智能电网数据服务器网络流量相关特征变量
  •   1.2 引入双阶段注意力机制的编码-解码神经网络模型
  •     1.2.1 考虑相关变量影响的编码器
  •     1.2.2 考虑时间信息依赖的解码器
  • 2 基于网络流量正常行为模型与控制图方法的网络流量异常检测
  • 3 实验结果及分析
  • 4 结束语

    • 文章来源

    类型: 期刊论文

    作者: 杨永娇,唐亮亮

    关键词: 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

    来源: 计算机与现代化 2019年10期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 电力工业,互联网技术,自动化技术

    单位: 广东电力信息科技有限责任公司

    分类号: TP393.06;TP183;TM76

    页码: 66-71

    总页数: 6

    文件大小: 1425K

    下载量: 209

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/fc109d2389d23ed133a5bad0.html