原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第51卷第4期/2025年4月/计算机工程专题论文
融合动态图嵌入和Transformer自编码器的网络异常检测
张安勤1²2，丁志锋1
（1.上海电力大学计算机科学与技术学院，上海201306；2.汕头大学地方政府发展研究所，广东汕头515063）
摘要：网络异常检测的目的在于及时识别并响应网络中的恶意活动和潜在威胁。大多数基于图嵌入的异常检
测方法主要用于静态图，忽略了细粒度的时间信息，无法捕获动态网络行为的连续性，从而降低了网络异常检测
性能。为了提高动态网络异常检测的效率和准确性,提出一个融合动态图嵌人和Transformer自编码器的网络异
常检测方法。该方法利用时间游走的图嵌入技术捕获网络拓扑结构和细粒度的时间信息，结合对比损失的
Transformer自编码器来优化节点嵌人表示并捕获长期依赖和全局信息，增强了模型对动态网络的感知能力，能
更好地捕捉动态网络中随时间变化的事件，识别网络中的恶意行为。在公开的网络安全领域数据集上进行的大
量实验结果表明，该方法在LANL-2015数据集上的真阳率(TPR)为94.3%、假阳率(FPR)为5.7%、曲线下面积
（AUC)为98.3%，在OpTC数据集上的TPR为99.9%、FPR为0.01%、AUC为99.9%，异常检测结果优于基准
方法。上述结果说明了该方法可以有效地学习动态网络中的拓扑和长短期时间依赖信息，识别网络中的异常
行为。
关键词：动态图嵌人；Transformer自编码器；网络异常检测；恶意行为；长短期时间依赖
中图分类号：TP393文献标志码：AD0I:10.19678/j.issn.1000-3428.0070231
NetworkAnomalyDetectionIntegratingDynamicGraphEmbeddingand
TransformerAutoencoder
ZHANGAnqinl-2,DINGZhifeng
(1.SchoolofComputerScienceandTechnology,ShanghaiUniversityofElectricPower,Shanghai201306,China;
2.InstituteofLocalGovernmentDevelopment,ShantouUniversity,Shantou515063,Guangdong,China)
[Abstract)Networkanomalydetectionaimstopromptlyidentifyandrespondtomaliciousactivitiesandpotential
threatswithinnetworks.Mostexistinggraph-embedding-basedmethodsaredesignedforstaticgraphsandneglect
fine-grainedtemporalinformation,thusfailingtocapturethecontinuityofdynamicnetworkbehaviorsand
diminishingtheeffectivenessofnetworkanomalydetection.Toenhancetheefficiencyandaccuracyofdynamic
networkanomalydetection,thisstudyproposesanovelmethodintegratingdynamicgraphembeddingand
Transformerautoencoders.Thismethodleveragestemporal-walk-basedgraphembeddingtocapturethetopological
structure
文档评论（0）