开放存取
问题 |
E3S网页汇编
卷积2292021
3组华府计算机学和可再生能源国际会议 |
|
---|---|---|
文章号 | 01057 | |
页数 | 7 | |
多尔市 | https://doi.org/10.1051/e3sconf/202122901057 | |
在线发布 | 2021年1月25日 |
必威主页
22901057(2021)
多任务学习入侵检测分析计算机网络流量
计算机科学系,Midlesex大学,英国伦敦
*电子邮件:ra1008@live.mdx.ac.uk
网际网际网际网路电子邮件:a.lasebae@mdx.ac.uk
精确识别恶意计算机网络流量是一项挑战性任务,原因很多当新类型攻击启动时,这一点特别突出,因为属于这次攻击的现有数据量可能是稀疏的。拥有少量数据可理解交通行为并建模型以准确发现它更加困难本文介绍新分类法多任务学习精确识别恶意网络流量,即使培训数据少时也是如此通过使用开源数据对现有方法进行数项实验和比较,显示方法的有效性结果显示,我们的方法优于方法 特别是当训练数据稀疏特别是,它实现98.51%和99.76%两种计算机网络流量数据集设置的精度值,而启动算法在同一设置上实现93.56%和96.25%的精度值
必威西汉姆赞助2021年EDP科学出版
开存文章分发创用CC授权4.0允许在任何介质上不受限制使用、分发和复制,只要原创作品正确引用
当前用法度量显示文章视图累积计数(全文文章视图包括HTML视图、PDF和ePub下载,根据可用数据)和Vision4Press平台摘要视图
数据对应2015年后板状使用当前使用量度自在线发布后48-96小时提供并按周日每日更新
初始下载度量器可能花点时间