摘要： 網(wǎng)絡(luò)異常流量識(shí)別是目前網(wǎng)絡(luò)安全的重要任務(wù)之一。然而傳統(tǒng)流量分類模型是依據(jù)流量數(shù)據(jù)訓(xùn)練得到,由于大部分流量數(shù)據(jù)分布不均導(dǎo)致分類邊界模糊,極大限制了模型的分類性能。為解決上述問題,文章提出一種基于深度度量學(xué)習(xí)的異常流量檢測(cè)方法。首先,與傳統(tǒng)深度度量學(xué)習(xí)每個(gè)類別單一代理的算法不同,文章設(shè)計(jì)雙代理機(jī)制,通過目標(biāo)代理指引更新代理的優(yōu)化方向,提升模型的訓(xùn)練效率,增強(qiáng)同類別流量數(shù)據(jù)的聚集能力... （共11頁(yè)）