基于DAE-GAT和特征注意力的煤矿瓦斯监控网络恶意流量检测

张剑飞, 孙凯强

doi:10.13301/j.cnki.ct.2026.11.005

煤炭技术 ›› 2026, Vol. 45 ›› Issue (11) : 23 -29. DOI: 10.13301/j.cnki.ct.2026.11.005

基于DAE-GAT和特征注意力的煤矿瓦斯监控网络恶意流量检测

张剑飞, 孙凯强

作者信息 +

Author information +

文章历史 +

摘要

针对传统煤矿瓦斯监控网络异常流量检测模型存在高维传感器数据冗余噪声大，正常监控流量与恶意攻击流量之间的判别性差异被稀释，以及难以克服矿井环境下样本高度不平衡以及漏报率高等问题，提出了一种基于DAE-GAT和特征注意力的煤矿瓦斯网络流量异常检测方法。该模型融合了深度自编码器（DAE）、特征注意力机制与图注意力网络（GAT），并采用多任务学习框架进行联合优化。其中特征注意力模块抑制噪声并突出关键特征，DAE提取低维潜在表示，GAT捕捉网络流量中的上下文关联。实验结果表明，所提方法在NSL-KDD、UNSW-NB15和CICIDS-2017数据集上均取得了较高的检测性能。通过仿真实验表明，所提方法在煤矿瓦斯监控网络WSN异常检测任务中表现优异，验证了模型的有效性与优越性。