融合注意力机制的电子信息网络流量异常检测模型设计

文秀静; 焦童童

doi:10.16009/j.issn.1009-5624.2026.08.008

信息记录材料 ›› 2026, Vol. 27 ›› Issue (8) : 23 -25. DOI: 10.16009/j.issn.1009-5624.2026.08.008

融合注意力机制的电子信息网络流量异常检测模型设计

文秀静, 焦童童

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对传统电子信息网络流量异常检测方法在高维流量数据场景下存在特征提取不精准、异常识别率低、对隐蔽性异常敏感度不足等问题，本研究提出一种融合注意力机制的电子信息网络流量异常检测方法。首先构建数据预处理模块对原始网络流量数据进行清洗、标准化与特征编码，其次利用注意力机制构建特征提取网络，强化重要的异常关联特征，最后通过分类器进行异常类型判别。为验证模型有效性，选取公开网络流量数据集KDD Cup 99和CSE-CIC-IDS2018开展对比实验。结果表明：所提模型在不同的数据集上异常检测准确率均大于98.5%,相较于传统的支持向量机、随机森林算法及基础的深度学习模型提升3.2～7.4个百分点，且对端口扫描、低速率分布式拒绝服务(DDoS)攻击等隐蔽性异常的识别召回率也有显著提升。