收录：
摘要：
本发明公开了一种基于深度学习的报文异常检测方法，首先对数据做预处理操作，将其预处理成二维矩阵形式，为了减小一般算法模型容易出现的过拟合现象，本发明利用shuffle函数将数据随机打乱，防止到达局部最优，是模型更容易收敛。然后利用卷积神经网络CNN从预处理后的数据中学习有效特征，最后通过支持向量机SVM分类器将得到的向量进行分类处理。该方法是利用深度学习的卷积神经网络所具备的高维度学习的优势，学习网络传输报文的有效特征，本发明所提出的模型在京都大学数据集上进行实验验证，并与在该数据集上验证的其他两个效果较好的模型进行实验比对，实验证明准确率和稳定性方面均有了很大的提升，训练和测试的耗时明显减少。
关键词：
通讯作者信息：
电子邮件地址：
