基于雙向LSTM模型的流量異常檢測方法

摘要： 聚焦傳統(tǒng)基于統(tǒng)計、信息論和機(jī)器學(xué)習(xí)的異常流量檢測方法存在依賴專家經(jīng)驗、準(zhǔn)確度較低、誤報率高和泛化能力不足等問題，提出了一種基于堆疊稀疏自編碼器(Stacked Sparse Auto-Encoder, SSAE)和雙向LSTM模型的異常流量檢測方法，基于SSAE進(jìn)行流量數(shù)據(jù)特征提取，改變了之前全部依賴專家知識數(shù)據(jù)庫的做法，從根本上避免人的主觀性，提高流量數(shù)據(jù)的真實性和客觀性；將...