基于LSTMs-Autoencoder的流数据异常检测算法

摘要

与传统的异常检测任务不同,流数据具有容量庞大、到达迅速和概念漂移等特点,致使单个平稳模型难以满足数据异常检测需求.在递归神经网络的基础上引入多个LSTM单元,构成一个深层递归神经网络,再与自动编码器相结合,提出了基于LSTMs-Autoencoder的流数据异常检测算法.该算法不仅可以对流数据进行实时检测,还能够有效应对概念漂移现象,实时适应流上的数据演化,保证检测结果准确、有效.最后通过基于实际数据的仿真实验,验证了该算法在应对在线更新、实时检测以及概念漂移方面的优势,得到了比ADM算法训练准确性高0.07％、检测误差低0.004％的对比优势.