公开(公告)号：CN117197543A

公开(公告)日：2023-12-08

申请号：CN202311060003.X

申请日：2023-08-21

Applicant: 武汉大学

Inventor： 王丽娜 ,  杨葛英 ,  吴津宇 ,  王清浩 ,  刘晓稳 ,  付杰

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/84 ,  G06N3/0464 ,  G06N3/08

Abstract: 为了解决网络异常检测中特征提取能力较弱的问题，本发明通过将输入一维特征属性数据转化为二维RGB图像，从而将网络异常检测问题转化为图像异常检测问题，并将空间注意力机制引入ResNeXt网络模型中，提高模型特征提取能力。本发明公开的一种基于GMD图像化与改进ResNeXt的动态网络异常检测方法，首先采取结合了格拉姆角场、马尔可夫变迁场和差值编码的图像化方法将输入数据转化为二维RGB图像，然后将ResNeXt网络结构中的标准卷积替换为具有动态调整感受野功能的MA‑Dilated卷积，并使用改进后的ResNeXt网络进行特征提取，最后使用极限学习机完成分类工作，能够实现对异常数据的高效准确检测。