原创力文档摘要
随着网络攻击的复杂性和频率日益增加，传统防御手段已难以应对各类层出不
穷的新型威胁。作为网络安全防护的重要环节，网络流量异常检测通过及时发现恶
意流量，能够识别和应对潜在威胁，从而有效保障数据安全并维持网络系统的稳定。
然而当前研究仍面临诸多挑战，如过度依赖数据标签和人工特征提取、高维数据处
理难度大、模型计算性能受限，以及检测精度有待提升等。针对上述问题，本文将
网络流量数据具有明显时序特征作为切入点，以Transformer模型为基础展开深入研
究，主要内容包括以下三个方面：
摘要
随着网络攻击的复杂性和频率日益增加，传统防御手段已难以应对各类层出不
穷的新型威胁。作为网络安全防护的重要环节，网络流量异常检测通过及时发现恶
意流量，能够识别和应对潜在威胁，从而有效保障数据安全并维持网络系统的稳定。
然而当前研究仍面临诸多挑战，如过度依赖数据标签和人工特征提取、高维数据处
理难度大、模型计算性能受限，以及检测精度有待提升等。针对上述问题，本文将
网络流量数据具有明显时序特征作为切入点，以Transformer模型为基础展开深入研
究，主要内容包括以下三个方面：
文档评论（0）