基于深度学习的网络流量异常检测模型研究

摘要

针对高校校园网流量呈现高维、非线性特征，导致现有方法难以有效捕捉数据包的空间局部相关性与会话间长时间依赖的问题，本文提出了一种基于卷积神经网络（CNN）-双向长短期记忆（BiLSTM）网络-注意力机制（Attention）的深度学习检测模型。该模型通过多尺度卷积核自动提取流量字节序列的空间特征，利用BiLSTM网络捕获时序依赖关系，并引入Attention机制对关键特征进行自适应加权。实验验证表明，该模型在准确率、召回率和F1分数上分别达98.7%、96.5%和97.2%，有效解决了人工特征提取能力不足的问题，为高校网络安全防护提供了技术参考。

关键词

深度学习 / 网络流量异常检测 / 卷积神经网络 / 双向长短期记忆网络 / 注意力机制