电子测量技术

作者：申明娜，王佩雪，孟永伟，户佳乐

单位：中原工学院计算机学院 郑州 451191

关键词：异常检测;特征提取;双向长短期记忆网络;自注意力;门控循环单元;卷积神经网络

基金：国家自然科学基金(62302540)、河南省重点研发专项(251111212000)、中原工学院自然科学基金 (K2023MS017)项目资助

针对现有网络流量异常检测方法因数据不平衡和特征提取能力不足导致准确率低的问题，提出一种基于多层次特征融合的不平衡网络流量异常检测方法。通过CGAN-SMOTE算法平衡数据分布；在特征提取阶段，利用门控循环单元捕捉时间序列数据中的长期依赖关系，并结合注意力机制自适应分配权重，提取关键时间局部特征；同时，采用双向长短时记忆神经网络和平均池化，提取数据时间全局特征；最后，将提取的时间局部与全局特征融合，利用改进的卷积神经网络提取空间维度特征，从而增强模型对异常数据的识别能力。在公开数据集上的实验结果表明，本文提出的异常检测模型相比现有多种方法具有更优的检测性能。

来源：2026年第3期

《电子测量技术》期刊编辑部

查看电子测量技术杂志2026年第3期