基于LSTM的动态图模型异常检测算法研究

• 作者: 王凯 陈丹伟
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 异常检测 图挖掘 时间序列 长短时记忆(LSTM)
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 网络、通信与安全
• 页码范围: 76-82
• 页数: 7页
• 分类号: TP391
• 字数: 4808字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1712-0080

摘要

传统异常检测模型往往基于内容特征,随着攻击手段的提高,该方法易于被绕过,因此图挖掘技术逐渐成为了国内外学术研究的热点.为了提高异常检测的准确率,提出了一种基于长短时记忆网络的动态图模型异常检测算法.首先通过对动态图的变化特征进行分析,总结了Egonet图结构距离和编辑距离两类特征,高效地表示动态图结构的变化情况.其次,通过基于LSTM的时间序列分类算法,进行模型的训练.最后对抓取的网络数据流进行入侵检测,对超过6万节点和300万条边的拓扑图进行测试.最终实验结果表明,该算法具有更高的准确率和召回率,可以有效地检测出网络入侵事件.