文献类型：期刊文章

作　　者：王芳[1]

WANG Fang(School of Information Engineering,Tianjin College,University of Science and Technology Beijing,Tianjin 301830,China)

机构地区：[1]北京科技大学天津学院信息工程学院,天津301830

出　　处：《现代电子技术》

基　　金：北京科技大学天津学院青年骨干人才培养计划。

年　　份：2023

卷　　号：46

期　　号：6

起止页码：62-66

语　　种：中文

收录情况：IC、JST、RCCSE、ZGKJHX、普通刊

摘　　要：互联网技术的广泛普及使得网络用户数量急剧增加,网络传输数据体量也随之增大,在多种因素的影响下,内部异常数据占比也越来越高,为网络数据传输、应用带来了极大的困难,为此提出一种基于深度学习的网络传输数据异常识别方法。该方法在LSTM神经网络模型的应用下,大幅度提升了评价指标——F1值,能够更加精确的识别异常数据,为网络传输数据的应用与处理提供更有效的方法支撑。应用高斯混合模型分割网络传输数据集合(训练集合/测试集合),引入深度学习技术——LSTM,构建网络传输数据异常识别模型,根据LSTM神经网络长期与短期记忆单元需求重塑网络传输数据,基于梯度下降法制定构建模型训练程序,确定异常数据判别规则,将测试集合输入至训练好的识别模型中,输出结果即为异常数据识别结果。实验数据显示:应用所提方法后,F1值呈现波动状态,最小值为83.70%,最大值为94.50%,符合数据异常识别需求,证明该方法具备可行性。

关 键 词：LSTM  异常数据 深度学习  网络传输数据  自动识别 神经网络 模型训练  

分 类 号：TN915-34] TP312]