异常网络流量识别方法、装置及介质

本公开涉及一种异常网络流量识别方法、装置及介质，属于网络安全技术领域。该方法包括：采集实时网络数据包；对实时网络数据包进行处理，得到语义特征和时间序列特征指标；采用改进的BERT模型对语义特征进行编码，得到高维语义向量，其中，对BERT模型进行改进，包括：针对语义特征设计对应的Tokenizer和Embedding层；利用Prophet模型对时间序列特征指标进行建模和编码，得到时间序列特征向量；生成多模态特征向量；利用模型对多模态特征向量进行检测，得到识别结果；其中，强化学习网络模型采用的是DDQN算法，且模型包括状态、动作、以及奖励，根据动作执行的最终的奖励更新网络模型的参数。本方案能精确识别异常网络流量，且能不断适应新的、未知的攻击模式。