基于对比学习和时空特征融合的异常流量检测方法

本发明公开了一种基于对比学习和时空特征融合的异常流量检测方法，包括：通过Wireshark捕获网络节点的网络流量数据作为异常流量检测的数据集；对所述数据集进行预处理：对捕获到的网络流量进行分割，得到分割好的数据集；通过时序切片重组和协议字段随机掩码数据增强方法分别对分割好的数据集进行处理；将数据增强后的数据集输入二分类检测模型进行检测得到正常流量和异常流量，其中，所述二分类检测模型基于自监督对比学习训练完成；将所述异常流量输入网络流量异常检测模型完成异常流量的异常类型分类，所述网络流量异常检测模型包括一维卷积神经网络和改进的Cloblock模块。本发明通过自监督对比学习与时空多尺度融合提升了检测性能。