基于多层感知和张量分解的多视图网络流量异常检测方法

本发明公开了基于多层感知和张量分解的多视图网络流量异常检测方法，通过自表示学习从每个视角的流量数据矩阵中提取系数矩阵并构建三阶张量；应用CP分解对每个自表示张量的前向切片进行编码并利用因子矩阵生成共识矩阵编码；通过多层感知CP分解学习因子矩阵之间的非线性交互关系对共识矩阵进行编码；采用两层多层感知机神经网络对张量各因子矩阵的拼接向量进行非线性特征提取得到前向切片的重构列向量，并构建联合因子矩阵与神经网络参数范数约束的损失函数，实现对因子矩阵与多层感知机权重的协同优化，进而训练得到每个因子矩阵；最后通过对共识矩阵进行Kmeans聚类来分类正常流量和异常流量。本发明实现网络流量异常的高精度检测。