基于深度学习的网络流量异常检测方法  

作　　者：李向阳[1] 

机构地区：[1]塔里木大学信息工程学院,新疆阿拉尔843300

出　　处：《信息记录材料》2025年第4期153-155,241,共4页Information Recording Materials

摘　　要：互联网在生活和生产中起到了越来越重要的作用,网络安全问题也日益突出。为了通过对网络流量数据进行深入分析来进一步提升网络安全性,本研究提出一种基于卷积神经网络-长短期记忆网络(convolutional neural network-long short⁃term memory,CNN⁃LSTM)的检测方法。首先,分析了CNN⁃LSTM结构在特征提取与时间序列建模中的数学原理,并通过结构化设计实现对异常流量的精准检测。其次,研究了AdamW优化算法的核心机制,通过权重衰减抑制模型的过拟合,并结合梯度更新策略提高模型的收敛效率。最后,在网络安全实验室知识发现与数据挖掘(network security lab⁃knowledge discovery and data mining,NSL⁃KDD)数据集上进行验证,结果显示,所提方法在准确率、精确率、召回率及F1值等多个指标上均显著优于标准Adam方法,展现出良好的应用潜力。

关 键 词：卷积神经网络 长短期记忆模型 网络流量 AdamW 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]