2-13 异常检测 Multi-Scale LSTM Model for BGP Anomaly Classification 笔记

一、基本信息

  期刊/会议:IEEE Trans. Serv. Comput.
  年份:2018

二、论文总结

2.1 研究方向

  利用小波变换、注意力机制和LSTM对BGP数据进行异常检测(有监督)。

2.2 写作动机

  之前人们使用LSTM做时间序列异常检测多是用stack-LSTM,这样带来的问题是参数量较大,并且模型过于复杂。本文作者首先使用小波变换提取出原始序列的多尺度信息,然后用LSTM和注意力机制提取各个尺度的信息,最后用单层LSTM做分类。

2.3 创新之处

  使用小波变换提取原始序列的多尺度信息
  使用注意力机制以更有效地利用信息

2.4 实现思路

  1. 由原始数据提取特征,生成多维时间序列
  2. 对时间序列利用小波变换生成K个不同尺度的时间序列
  3. 对每个time step内的K个序列建立LSTM模型
  4. 利用注意力机制将每个time step内LSTM生成的K个隐向量融合成一个向量
  5. 对time step个向量建立LSTM模型进行分类


    模型框架.png

你可能感兴趣的:(2-13 异常检测 Multi-Scale LSTM Model for BGP Anomaly Classification 笔记)