14、网络流量异常检测与多模态情感识别技术研究

网络流量异常检测与多模态情感识别技术研究

在当今数字化时代，网络安全和情感计算是两个备受关注的领域。网络流量异常检测对于保障网络安全至关重要，而多模态情感识别则在人机交互、智能监控等方面有着广泛的应用。本文将介绍一种网络流量异常检测方法和一种多模态情感识别方法。

网络流量异常检测

提出了一种结合生成对抗网络（GAN）和Transformer的网络流量异常检测方法，有效解决了现有网络流量数据类别不平衡和检测准确率低的问题。
- 模型对比 ：在平衡数据中对比各模型性能，所提出的模型总体表现较好，仅BENIGN和PortScan两类指标小于或等于DT模型。F1分数综合了召回率和精确率，更具说服力。
- 准确率比较 ：对比各模型在数据平衡前后的准确率，VT模型的提升百分比在四个模型中最小，但其预测准确率最高。
- 方法原理 ：预测模型中，使用DCGAN平衡类别不平衡数据，Vision Transformer模型提高异常检测准确率。通过准确率、F1分数和召回率评估模型检测结果。DCGAN平衡数据后可增强检测效果，VT模型通过注意力机制提高检测准确率。

多模态情感识别

提出了一种基于双序列长短期记忆（LSTM）网络和注意力机制的多模态情感识别方法。
- 研究背景 ：情感计算赋予计算机识别、理解、表达和适应人类情感的能力。情感识别是情感计算的重要研究方向，具有多种应用。目前单模态情感识别取得了很大进展，但多模态情感识别性能更优。当前多模态情感识别根据融合方法分为特征层融合、决策层融