一、基本信息
期刊/会议：IEEE Trans. Serv. Comput.
年份：2018
二、论文总结
2.1 研究方向
利用小波变换、注意力机制和LSTM对BGP数据进行异常检测（有监督）。
2.2 写作动机
之前人们使用LSTM做时间序列异常检测多是用stack-LSTM，这样带来的问题是参数量较大，并且模型过于复杂。本文作者首先使用小波变换提取出原始序列的多尺度信息，然后用LSTM和注意力机制提取各个尺度的信息，最后用单层LSTM做分类。
2.3 创新之处
使用小波变换提取原始序列的多尺度信息
使用注意力机制以更有效地利用信息
2.4 实现思路
- 由原始数据提取特征，生成多维时间序列
- 对时间序列利用小波变换生成K个不同尺度的时间序列
- 对每个time step内的K个序列建立LSTM模型
- 利用注意力机制将每个time step内LSTM生成的K个隐向量融合成一个向量
-
对time step个向量建立LSTM模型进行分类
模型框架.png
