计算机工程与科学

作者：尹春勇, 赵峰

单位：南京信息工程大学计算机学院、网络空间安全学院，江苏 南京 210044）

关键词：异常检测,双层注意力机制,自编码器,卷积神经网络,双向门循环单元,

目前时间序列通常具有弱周期性以及高度复杂的相关性特征，传统的时间序列异常检测方法难以检测此类异常。针对这一问题，提出了一种新的无监督时间序列异常检测模型（DA-CBG-AE）。首先，使用新型滑动窗口方法，针对时间序列周期性设置滑动窗口大小；其次，采用卷积神经网络提取时间序列高维度空间特征；然后，提出具有堆叠式Dropout双向门循环单元网络作为自编码器的基本结构，从而捕捉时间序列的相关性特征；最后，引入双层注意力机制，进一步提取特征，选择更加关键的时间序列，从而提高异常检测准确率。为了验证该模型的有效性，将DA-CBG-AE与6种基准模型在8个数据集上进行比较。最终的实验结果表明，DA-CBG-AE获得了最优的F1值（0.863），并且其检测性能相比最新的基准模型Tad-GAN高出25.25%。

来源：2024年第5期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第5期