基于弹性网的深度去噪自编码器异常检测方法

发布时间：2021-08-18 11:33

　　针对传统异常检测方法在处理多元和高维数据时检测性能较差的问题,提出一种融合弹性网和深度去噪自编码器的网络异常检测方法。构建一种基于弹性网的深度去噪自编码器,利用部分正常数据对网络进行训练获得重构误差阈值,以自编码器和重构误差值检测异常行为。采用NSL-KDD数据集的实验结果表明,与AE、K-NN和SVM方法相比,该方法在保证较好的分类准确率和检测率的同时,召回率和F1值明显提高,误报率明显降低,对不同攻击类数据被分类为异常的准确率也优于其它方法。 

【文章来源】：计算机工程与设计. 2020,41(06)北大核心

【文章页数】：6 页

【部分图文】：

自编码器模型

深度自编码器结构

去噪自编码器训练过程

【参考文献】：
期刊论文
[1]改进Kmeans算法的海洋数据异常检测[J]. 蒋华,季丰,王慧娇,王鑫,罗一迪.  计算机工程与设计. 2018(10)
[2]基于深度学习的电力大数据融合与异常检测方法[J]. 刘冬兰,马雷,刘新,李冬,常英贤.  计算机应用与软件. 2018(04)



本文编号：3349813