基于注意力机制和LSTM的网络流量分类模型

摘要

面对复杂网络环境中流量类型多样化和恶意行为隐蔽性的问题，本文提出了一种结合注意力机制和长短期记忆（LSTM）模型的网络流量分类模型，并采用以交叉熵损失函数为核心的带约束学习策略进行模型训练，在一定程度上提升了模型的稳定性和泛化性能。基于UNSW-NB15数据集的对比实验表明：引入注意力机制后的LSTM网络流量分类模型相比于LSTM模型性能得到显著改善，分类准确率由93.27%提升至95.14%,精确率、召回率和F₁值分别提升至94.78%、94.21%和94.49%,验证了本文方法的有效性。

关键词

网络流量分类 / 注意力机制 / 长短期记忆(LSTM)网络 / 恶意流量检测