基于时空交叉特征对齐的异常流量检测方法

摘要

针对当前网络流量异常检测方法识别精度低的问题，提出一种基于时空交叉特征对齐的异常流量检测方法.首先，利用深度自编码网络的编解码模块提取流量数据在深度空间中的编码特征，并按照时序和空间维度构造多尺度特征集.然后，在时序和空间特征图上分别计算流量特征的层内自注意力，增强方法对流量数据中时序和空间特征的提取能力；并在时序和空间维度间建立交叉注意力，促进方法对时序和空间维度特征的对齐.最后，将融合特征作为分类器的输入，预测输入流量为异常流量或正常流量的概率.在NSL-KDD数据集上进行测试，所提出方法可以实现93.91%和85.38%的二分类和五分类识别准确率；在UNSW-NB15数据集上进行测试，所提出方法可以实现91.05%%和78.63%的二分类和十分类识别准确率.实验结果表明，所提出方法可提高多种攻击的识别准确率，识别精度高于其他经典的深度学习方法.

关键词

流量异常检测 / 特征对齐 / 自注意力机制 / 交叉注意力机制 / 时序特征 / 空间特征