ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
中国知网全文收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
【摘要】在网络信息化高速发展的时代，网络流量数据拥有许多利用价值，其具有高噪声、不稳定等特点，导致对其预测难度较高。本文通过基于多项式修正的 LSTM 模型设计取自 CICIDS 的网络流量数据集进行多次的有效特征提取，利用多项式拟合的方式来修正不同 L S T M 模型提取出的特征权重。预测结果表明，此方法在保证预测的有效性和可靠性的基础上，能够并行训练不同模型的特征提取，避免了复杂网络中常见的“梯度消失或梯度爆炸”等因素引起的训练效果不佳的问题。
