清华大学学报(自然科学版)

作者：平国楼, 曾婷玉, 叶晓俊

单位：清华大学 软件学院, 北京 100084

关键词：计算机网络,异常评分,无监督,自编码器,深度序数回归模型,集成学习

基金：国家重点研发计划支持项目（20201250027）\r\n

针对计算机网络流量异常检测中缺乏标注信息的挑战，该文提出一种基于评分迭代的无监督异常检测方法。设计了基于自编码器的异常评分迭代过程来学习通用异常特征，获取其初始异常评分。设计了基于深度序数回归模型的异常评分迭代过程来学习判别异常特征，进一步提高异常评分准确性。另外，还通过深度模型、多视图特征、集成学习提高检测准确率。在多个数据集上的实验表明，在无标注信息的情况下，该方法的性能相比对照方法具有明显优势，可以有效地用于现实网络流量异常检测。

来源：2022年第5期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2022年第5期