Präzise Erkennung von Netzwerkanomalieverkehr basierend auf gestapeltem konvolutionalem Attention-Mechanismus

Key Points

• Ein präzises Verfahren zur Erkennung von Netzwerk Anomalien mit einem einzigartigen gestapelten konvolutionalen Attention-Ansatz zu entwickeln.
• Ein gestapeltes konvolutionales Attention-Modell zur Anomalieerkennung im Netzwerkverkehr verwendet.
• Das Modell in verschiedenen simulierten Netzwerkumgebungen getestet, um die Leistung zu bewerten.
• Die Erkennungsgenauigkeit und die Reaktionszeit im Vergleich zu traditionellen Methoden analysiert.
• Eine Erkennungsrate von 95 % für Netzwerk Anomalien in verschiedenen Verkehrssimulationen erreicht.
• Die falsch positiven Raten auf unter 5 % im Vergleich zu bestehenden Erkennungsmethoden gesenkt.
• Eine Verbesserung der Reaktionszeit um 30 % bei der Anomalieerkennung mit dem neuen Modell festgestellt.