计算机工程

作者：李贝贝, 彭力, 戴菲菲

单位：1. 江南大学 物联网工程学院, 江苏无锡 214122;2. 台州市产品质量安全检测研究院, 浙江 台州 318000

关键词：网络流量异常检测,神经网络,马氏距离,自编码器,自编码神经网络

基金：国家重点研发计划（2018YFD0400902）；国家自然科学基金（61873112）。

当前网络流量数据规模较大且分布不均衡，传统网络流量异常检测方法检测准确率较低。提出一种结合马氏距离和自编码器的检测方法，使用马氏距离倒数及判别阈值快速检测部分正常数据以减少训练数据量，同时，在自编码器代价函数中添加马氏距离度量项以增强自编码器的特征提取能力。在此基础上，将自编码器与分类器相结合以解决网络参数初始化问题，并通过调整自编码神经网络交叉熵损失函数中各项的权重，提高自编码神经网络对数据分布不均衡数据集的训练效果。实验结果表明，该方法在CICIDS2017数据集、NSL-KDD数据集上的异常检测准确率分别高达97.60%、99.84%，在CICIDS2017数据集上的F1值为0.941 3，高于DNN、LSTM、C-LSTM等方法。

来源：2022年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第4期