摘要
随着大数据、人工智能等网络技术在人们生产生活中的常态化应用,网络流量安全成为当前亟待解决的问题。基于此,针对现有模型过于复杂,且难以保障识别高精度条件的问题展开分析,并对基于LSTM-RNN(长短期记忆—循环神经网络)的有监督流量异常检测模型的讨论。同时,还针对现有模型过于依赖数据标签的情况进行优化,提出一种基于Autoencoder-LOF(自动编码器—局部离群因子)的无监督流量异常检测模型,以保证及时捕捉关键信息。对优化后的深度学习模型进行实验设计,结果显示,能够及时发现流量异常现象,为我国网络安全事业的创新提供有力参考。
