网络流量异常检测模型训练方法、装置及可读存储介质

本申请提供一种网络流量异常检测模型训练方法、装置及可读存储介质，方法包括：根据原始网络流量数据提取流量统计特征向量，生成初始混合数据集；基于初始混合数据集生成对抗扰动样本输出增强特征矩阵；基于增强特征矩阵构建自适应特征融合规则，并将资产关联度参数嵌入特征编码器的注意力计算层，输出融合威胁情报的编码特征；将融合威胁情报的编码特征输入预构建的初始检测模型，基于可疑流量片段生成误报和漏报修正标签，并输出对抗样本修正数据集；通过对抗样本修正数据集对初始检测模型进行对抗训练，得到用于进行网络流量异常检测的增量检测模型。本申请可以提升检测模型对新型攻击的检测精度、抗干扰能力和实时防御响应能力。