【摘要】由于对网络流量特征的提取结果存在偏差，导致对应的监测结果可靠性较低，为此，提出一种基于双向循环卷积神经网络的网络异常流量监测方法。在构建双向循环卷积神经网络阶段，通过感知器单元激活流量数据后，利用交叉熵代价函数对流量数据在神经网络各神经元之间的传递进行约束，并将卷积神经网络中的卷积层替换为循环卷积层，通过在卷积层的输出结果中添加空数据，实现对网络流量特征的循环迭代计算，将最终提取到的特征参量作出异常流量判断标准输出到池化层。当待监测的网络流量数据输入到循环卷积神经网络后，通过拟合其特征参量与池化层特征之间的关系，判断其是否存在异常，并根据时间标签计算网络异常流量的规模。测试结果表明，设计方法可以实现对异常流量的准确监测。