基於動態多損失協同優化的網絡流量異常檢測

摘要

本文提出了一種面向高維且類別不平衡場景下的網絡流量異常檢測的動態多損失協同優化（DMCO）方法。其核心創新在於利用基於Transformer的編碼器提取具有判別性的時空表徵，用於異常檢測。我們引入了三種協同損失函數：特徵相關性損失通過縮放餘弦相似度強制特徵獨立性；重構損失通過自編碼機制保留關鍵模式；分類損失用於處理極端類別不平衡問題。這些損失通過一個元權重控制器進行動態平衡，該控制器可根據實時驗證性能自適應地調整損失權重。在NSL-KDD和CIC-IoT2017數據集上的實驗結果表明，F1值可達98.52%，假陽性率可低至1.05%，充分證明了該方法在5G-IoT環境下面對概念漂移和對抗性逃避攻擊時具有優越的魯棒性。