典型文献
基于深度学习的网络异常检测和智能流量预测方法
文献摘要：
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.
文献关键词：
全局异常检测;特征降维;LSTM自编码器;联合预测;边缘计算
中图分类号：
作者姓名：
张娇阳;孙黎
作者机构：
西安交通大学 信息与通信工程学院,陕西 西安710049
文献出处：
引用格式：
[1]张娇阳;孙黎-.基于深度学习的网络异常检测和智能流量预测方法)[J].无线电通信技术,2022(01):81-88
A类：
全局异常检测
B类：
网络异常检测,智能流,流量预测,边缘计算,边缘设备,蜂窝,流量数据,原始数据,数据检测,常存,特征降维,数据异常检测,异常检测方法,自编码器,数据特征,可疑,means,活跃度,漏报,数据预测,时空相关性,同业,联合预测,注意力机制,仿真试验
AB值：
0.334421
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。
