数字技术与应用杂志社

摘要：<正>本文针对传统网络流量异常检测技术在动态威胁环境下面临的时序依赖建模不足、低频攻击漏检及边缘部署效率低下等难题，系统构建了基于深度学习的多模态协同检测框架。通过融合卷积神经网络（CNN）空间特征提取、循环神经网络（RNN）变体时序建模、生成对抗网络（GAN）对抗样本生成与自动编码器（AE）重构误差分析，实现了复杂攻击链的时空关联解析。本文创新提出轻量化架构动态剪枝、谱归一化对抗训练及自适应焦点损失优化策略，显著提升了模型在5G边缘场景的实时响应能力与长尾威胁捕获精度。

专辑： 信息科技

专题： 互联网技术;自动化技术

分类号： TP393.08;TP18