典型文献
基于时空融合深度学习的工业互联网异常流量检测方法
文献摘要：
基于流量异常发现网络中的攻击行为具有普适性优势,而传统的异常流量检测方法难以适应大量复杂的工业互联网流量特征提取,针对此问题提出一种基于时空融合深度学习的工业互联网异常流量检测方法.对类别不平衡的流量数据进行预处理操作,以形成样本分布较为均衡的流量数据集;使用融合聚合残差变换网络和门控循环单元的深度学习模型从空间和时间维度上提取流量数据特征,实现时空融合的流量数据特征的综合提取;通过Softmax分类器对流量数据进行分类.实验测试结果表明,所提方法具有较高的准确率和F1值,分别可达到94.7％和95.47％.与传统的异常流量检测方法相比,所提方法提高了对工业互联网异常流量数据的检测指标,且模型的运行时间相对较短.
文献关键词：
工业互联网;异常流量检测;时空融合;聚合残差变换网络;门控循环单元
中图分类号：
作者姓名：
胡向东;张婷
作者机构：
重庆邮电大学 自动化学院/工业互联网学院,重庆400065
文献出处：
引用格式：
[1]胡向东;张婷-.基于时空融合深度学习的工业互联网异常流量检测方法)[J].重庆邮电大学学报（自然科学版）,2022(06):1056-1064
A类：
流量特征提取,聚合残差变换网络
B类：
时空融合,工业互联网,异常流量检测,流量异常,攻击行为,类别不平衡,流量数据,样本分布,门控循环单元,深度学习模型,空间和时,时间维度,数据特征,综合提取,Softmax,分类器,实验测试,检测指标,运行时间
AB值：
0.176641
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
