• 
<ul id="auswy"><sup id="auswy"></sup></ul>
  • 

  • <ul id="auswy"></ul>
    


    
    
    
                                    ABB
                            
    
            關(guān)注中國自動(dòng)化產(chǎn)業(yè)發(fā)展的先行者！
            
    
                
				
                
                
                
            
    
        
    
    
    

    


    
    
    
        
        
        
        
       
					
    
				
    
					
    
												
    
							隨著會計(jì)的發(fā)展，追蹤碳足跡
						
    
												
    
							CAIAC 2025
						
    
												
    
							2025邊緣計(jì)算產(chǎn)業(yè)生態(tài)伙伴大會
						
    
												
    
							2025工業(yè)安全大會
						
    
												
    
							OICT公益講堂
						
    
						
					
    
				
    
				
    
			
    
		
    
    

    


    
    
    

    


    
    
    
        
        當(dāng)前位置：首頁 >> 名篇 >> 名家名篇

    
    

    
    
        
    名家名篇
    
    
    

    
    
        
    
            
    基于知識遷移的惡意流量檢測的研究與實(shí)現(xiàn)
    
            
    
                
      
                                                                
    • 作者：
      • 
                                        
    • 點(diǎn)擊數(shù)：1072     發(fā)布時(shí)間：2024-11-15 21:20:16
      • 
                    
    • 分享到：
      • 
                
    
            
    
            
                            
    
                    在數(shù)字化和網(wǎng)絡(luò)化迅猛發(fā)展的時(shí)代，網(wǎng)絡(luò)安全問題日益突出，傳統(tǒng)惡意流量檢測方法已難應(yīng)對復(fù)雜攻擊。本文提出了一種基于知識遷移的惡意流量檢測方法，以提高檢測的準(zhǔn)確性和適應(yīng)性。知識遷移利用已學(xué)知識處理新任務(wù)，提高了學(xué)習(xí)效率和性能。為了更好地實(shí)現(xiàn)對惡意流量的檢測，本文通過對比決策樹、隨機(jī)森林、支持向量機(jī)和卷積神經(jīng)網(wǎng)絡(luò)（CNN）對NSL-KDD數(shù)據(jù)集的測試結(jié)果，發(fā)現(xiàn)CNN模型在準(zhǔn)確率和F1值上顯著優(yōu)于其他模型。本文進(jìn)一步結(jié)合知識遷移的思想，將ImageNet數(shù)據(jù)集上預(yù)訓(xùn)練好的模型VGG16和ResNet50，利用其已經(jīng)學(xué)習(xí)好的特征檢測能力，凍結(jié)預(yù)訓(xùn)練模型的權(quán)重，并在此基礎(chǔ)上添加自定義的全連接層和輸出層以適應(yīng)對新的數(shù)據(jù)集CICIDS2017的處理。實(shí)驗(yàn)表明知識遷移后的模型在新數(shù)據(jù)集上對惡意流量檢測的準(zhǔn)確率超過99%，且訓(xùn)練時(shí)間和數(shù)據(jù)需求顯著減少，證明了知識遷移在惡意流量檢測中的有效性。
                
    
            
        
                            
                                                    
    請登錄以后訪問所有功能！
    
                    登錄 
                    注冊
                
    

                        
                            
    
                    
    相關(guān)文章
    
                    
      
                                            
    
                
    
            
        
    



        
    
                            
    熱點(diǎn)新聞
    
                
            
                            
    推薦產(chǎn)品