基于深度学习与多时间尺度融合的网络流量异常检测技术研究  

作　　者：蔡馨雅 伍洋 雷廷浩 郭英杰 

机构地区：[1]贵州电网有限责任公司遵义供电局,贵州 遵义 563000

出　　处：《中文科技期刊数据库(文摘版)工程技术》2025年第3期140-143,共4页

摘　　要：随着互联网的迅猛发展,网络流量异常检测技术面临着前所未有的挑战。传统的基于统计学和小波分析的方法在处理复杂多变的网络环境时,存在检测精度低、实时性差等问题,已难以满足当前对网络异常检测的高要求。本文提出了一种基于深度学习与多时间尺度融合的网络流量异常检测技术,该技术通过构建深度神经网络模型,结合多时间尺度分析,实现了对网络流量异常的高效、精准检测。实验结果表明,该方法在检测精度、实时性以及对未知攻击类型的识别能力方面均优于传统方法,为网络流量异常检测领域提供了新的研究思路和技术手段,具有重要的学术价值和应用前景。

关 键 词：网络流量异常检测 深度学习 多时间尺度融合 检测精度 实时性 

分 类 号：TM734[电气工程—电力系统及自动化]