开源标签网络流量增强备注我们提出了一种基于拓扑和流量特征的深度学习方法(GLD-Net),同时从时序流量数据中提取流量和拓扑特征,并利用图注意力网络(GAT)挖掘非欧几里得特征之间的相关性以融合流量和拓扑特征。位于 GAT 后面的长短期记忆(LSTM)网络获得节点邻居关系,全连接层用于实现特征维度降低和流量类型映射。建模场景网络流量年份会议级别2022SCI-4翻译GLD-Net:深度学习通过拓扑和流量特征融合检测DDoS攻击