基于深度学习的网络流量异常检测方法

摘要

互联网在生活和生产中起到了越来越重要的作用，网络安全问题也日益突出。为了通过对网络流量数据进行深入分析来进一步提升网络安全性，本研究提出一种基于卷积神经网络-长短期记忆网络（convolutional neural network-long short-term memory, CNN-LSTM）的检测方法。首先，分析了CNN-LSTM结构在特征提取与时间序列建模中的数学原理，并通过结构化设计实现对异常流量的精准检测。其次，研究了AdamW优化算法的核心机制，通过权重衰减抑制模型的过拟合，并结合梯度更新策略提高模型的收敛效率。最后，在网络安全实验室知识发现与数据挖掘（network security lab-knowledge discovery and data mining, NSL-KDD）数据集上进行验证，结果显示，所提方法在准确率、精确率、召回率及F₁值等多个指标上均显著优于标准Adam方法，展现出良好的应用潜力。

关键词

卷积神经网络 / 长短期记忆模型 / 网络流量 / AdamW