期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
结合混合特征选择和Transformer的网络数据流异常检测
1
作者
向思羽
刘才铭
《电子科技大学学报》
北大核心
2025年第3期442-454,共13页
智能学习方法在网络数据异常分析中发挥着重要作用,但传统智能化异常分析方法难以在网络数据分析结果的可解释性、异常分析的计算资源消耗量、网络数据流序列数据分析准确度上寻得平衡。为克服以上问题,提出了一种结合混合特征选择和Tra...
智能学习方法在网络数据异常分析中发挥着重要作用,但传统智能化异常分析方法难以在网络数据分析结果的可解释性、异常分析的计算资源消耗量、网络数据流序列数据分析准确度上寻得平衡。为克服以上问题,提出了一种结合混合特征选择和Transformer的网络数据流异常检测模型,基于混合特征选择方法进行数据预处理,基于改进的Transformer进行异常检测。采用树模型与互信息的混合特征选择算法对网络数据特征进行降维。采用Transformer的encoder部分作为分类任务的核心,并融入卷积操作来增强对网络数据流序列数据的局部感知能力,通过分类头进行输出。对所提方法进行了仿真实验,在公共入侵检测数据集CICIDS2017上进行验证,实验结果表明,该模型能对网络数据流异常进行有效检测,优于所对比的基于神经网络的入侵检测方法。
展开更多
关键词
混合特征选择
随机森林
互信息
自注意力机制
异常检测
在线阅读
下载PDF
职称材料
题名
结合混合特征选择和Transformer的网络数据流异常检测
1
作者
向思羽
刘才铭
机构
西南石油大学计算机与软件
学院
乐山师范学院
电子信息与人工
智能
学院
乐山师范学院网络安全智能检测与评估实验室
出处
《电子科技大学学报》
北大核心
2025年第3期442-454,共13页
基金
四川省科技计划项目(2025ZNSFSC0503)
乐山师范学院科研培育项目(KYPY202-0005)。
文摘
智能学习方法在网络数据异常分析中发挥着重要作用,但传统智能化异常分析方法难以在网络数据分析结果的可解释性、异常分析的计算资源消耗量、网络数据流序列数据分析准确度上寻得平衡。为克服以上问题,提出了一种结合混合特征选择和Transformer的网络数据流异常检测模型,基于混合特征选择方法进行数据预处理,基于改进的Transformer进行异常检测。采用树模型与互信息的混合特征选择算法对网络数据特征进行降维。采用Transformer的encoder部分作为分类任务的核心,并融入卷积操作来增强对网络数据流序列数据的局部感知能力,通过分类头进行输出。对所提方法进行了仿真实验,在公共入侵检测数据集CICIDS2017上进行验证,实验结果表明,该模型能对网络数据流异常进行有效检测,优于所对比的基于神经网络的入侵检测方法。
关键词
混合特征选择
随机森林
互信息
自注意力机制
异常检测
Keywords
hybrid feature selection
random forest
mutual information
self-attention mechanism
anomaly detection
分类号
TP393.08 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
结合混合特征选择和Transformer的网络数据流异常检测
向思羽
刘才铭
《电子科技大学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
