基于深度学习的增量学习流量异常检测方法

本申请实施例提出了基于深度学习的增量学习流量异常检测方法，包括收集网络流量数据，并对网络流量数据进行预处理，得到处理后的网络流量数据；利用LSTM模型对处理后的网络流量数据进行特征预提取；建立决策树改进支持向量机模型，通过折交叉验证算法选取最优化参数，构建最优化模型；训练得到改进后的向量机模型，用于对提取到的网络流量数据特征进行分类，对分类效果进行评估。提出了用决策树和SVM结合的方法，针对网络流量数据特点，采用LSTM提取流量信息特征，在利用模型进行异常流量的分类检测。基于改进的模型成功的进行了分类检测，并且相较于传统的流量异常检测方法，取得了更优的分类效果。