《電子技術應用》
您所在的位置:首頁 > 測試測量 > 設計應用 > 面向多維數(shù)據(jù)的異常點檢測模型設計*
面向多維數(shù)據(jù)的異常點檢測模型設計*
網(wǎng)絡安全與數(shù)據(jù)治理 7期
馬勇,楊敏,朱琳
(1.內蒙古科技大學包頭醫(yī)學院網(wǎng)絡信息中心,內蒙古包頭014040; 2.內蒙古科技大學包頭醫(yī)學院教務處,內蒙古包頭014040)
摘要: 為了在大數(shù)據(jù)環(huán)境下快速、精準地挖掘異常點,保障網(wǎng)絡安全,提出了一種面向多維數(shù)據(jù)的異常點檢測模型設計方案。該方案利用長短期記憶網(wǎng)絡(LSTM)存儲任意時間段的多維數(shù)據(jù),并使用圖卷積網(wǎng)絡提取完整數(shù)據(jù)結構,同時加入懲罰參數(shù)和均方誤差來縮小異常點出現(xiàn)范圍。此外,還利用編碼器和解碼器構建變分自編碼器函數(shù)模型,使其能夠解讀正常數(shù)據(jù)子特征,并通過編碼重建損失函數(shù)來計算數(shù)據(jù)異常度量,從而實現(xiàn)異常點檢測。經(jīng)過實驗驗證,該方法表現(xiàn)出較高的檢測正確率和運行效率,具有極高的應用價值。
中圖分類號:TP995
文獻標識碼:A
DOI:10.19358/j.issn.2097-1788.2023.07.014
引用格式:馬勇,楊敏,朱琳.面向多維數(shù)據(jù)的異常點檢測模型設計[J].網(wǎng)絡安全與數(shù)據(jù)治理,2023,42(7):85-90.
Design of outlier detection model for multidimensional data
Ma Yong,Yang Min,Zhu Lin
1Network Information Center Inner Mongolia University of Science and Technology Baotou Medical College, Baotou 014040, China; 2Dean′s Office Inner Mongolia University of Science and Technology Baotou Medical College, Baotou 014040,China)
Abstract: In order to quickly and accurately mine outliers in the big data environment and ensure network security, we propose a design scheme for multidimensional data oriented outlier detection model. In this scheme, the long short memory network (LSTM) is used to store multidimensional data in any period of time, and the graph convolution network is used to extract the complete data structure. At the same time, penalty parameters and mean square error are added to narrow the range of outliers. In addition, we also use the encoder and decoder to build a variational self encoder function model, so that it can interpret the normal data sub features, and calculate the data anomaly measurement through the coding reconstruction loss function, so as to achieve outlier detection. After experimental verification, this method exhibits high detection accuracy and operational efficiency, and has high application value.
Key words : coding loss function; variational self encoder; abnormal point detection; long and short term memory network; multidimensional data

0    引言

針對目前異常數(shù)據(jù)檢測方法占用空間內存大,且異常點漏檢率與誤檢率高問題[1],建立一種面向多維數(shù)據(jù)異常點挖掘方法是很有必要的,建立的方法必須要保證在實際數(shù)據(jù)異常點檢測過程中,既能夠快速響應,又能縮小異常檢測范圍、降低異常檢測錯誤率,這是一個很具有挑戰(zhàn)性的問題。




本文詳細內容請下載:http://www.rjjo.cn/resource/share/2000005426




作者信息:

馬勇,楊敏,朱琳

(1.內蒙古科技大學包頭醫(yī)學院網(wǎng)絡信息中心,內蒙古包頭014040;2.內蒙古科技大學包頭醫(yī)學院教務處,內蒙古包頭014040)

微信圖片_20210517164139.jpg

此內容為AET網(wǎng)站原創(chuàng),未經(jīng)授權禁止轉載。
主站蜘蛛池模板: 欧美一区二区在线观看免费网站 | 草草草在线观看 | 亚洲精品国产国语 | 欧美成人a大片 | 亚洲欧美综合国产不卡 | 国产精品视频九九九 | 香港国产特级一级毛片 | 欧美—级v免费大片 | 久久久久久88色愉愉 | 欧美一级毛片一级毛片 | 在线精品国产成人综合第一页 | 亚洲欧洲日韩在线 | 亚洲免费视频播放 | xxxxxhd亚洲日本hd | 成 人 在 线 免费 8888 www | 亚洲视频在线a视频 | 欧美一级视频 | 又黄又湿又爽 | 中国精品视频一区二区三区 | 香港a毛片免费全部播放 | 波多野结衣在线观看高清免费资源 | 中文字幕亚洲视频 | 欧美一区二区三区免费播放 | 久久久久久久国产精品影院 | 韩国巨胸女三级视频网 | 步兵社区| 日韩性大片免费 | 最新最好看免费毛片基地 | 奇米第四狠狠777高清秒播 | 久久99国产精品久久 | 99久久精品国产国产毛片 | 亚洲精品综合欧美一区二区三区 | 男女配种猛烈免费视频 | 亚洲国产一区在线二区三区 | 交videos人妖 | 萝控精品福利视频一区 | 成人三级网址 | 韩国理伦一级毛片 | 亚洲欧美日韩国产精品影院 | 久久一区二区精品综合 | 欧美做a一级视频免费观看 欧美做爱毛片 |