关键词network intrusion detection
搜索结果 - 26
- 受限领域内的敌对样本
本文探讨了受限域名（如网络入侵检测）对于制造有针对性的通用扰动向量的脆弱性，并对比了与非受限域名（如图像识别）的表现，结果表明，即使在受限域名下，只要选择五个特定的特征，也能制造成功的对抗性示例，迫使机器学习算法产生错误的分类结果。
- 网络入侵检测的多阶段优化机器学习框架
本文提出了一种新颖的多阶段优化的基于机器学习的 NIDS 框架，它减少了计算复杂性，同时保持了检测性能，研究了过采样技术对模型训练样本大小的影响，确定了最小合适的训练样本大小，并探究了基于信息增益和基于相关性的两种特征选择技术对检测性能和时 - LuNet：用于网络入侵侦测的深度神经网络
在大规模网络中及时捕捉侵入是十分具有挑战性的，本论文针对网络数据的时空特征，提出了一种层级卷积神经网络 + 循环神经网络，名为 LuNet 的机器学习方法能够更加准确地检测网络入侵，而且假警报率更低。
- 网络入侵检测的迁移学习方法
本文提出了一个使用转移学习的 ConvNet 模型，用于网络入侵检测，实验结果表明该模型可以提高检测准确度，不仅在主要攻击已知的测试数据集上（KDDTest +），而且在包含许多新攻击的测试数据集上（KDDTest-21）也有显着提升 -- - MMV-CNN：卷积神经网络遇上数据可视化
这篇论文介绍了一种叫做 V-CNN 的新方法，它利用数据可视化辅助卷积神经网络（CNN）对图像进行处理，并将其应用到网络入侵检测问题，得到了比传统方法更好的结果。
- 面向监督的异常检测
本研究提出了一种基于半监督学习和主动学习的异常检测算法，能够在数据标记要求较高的情况下，大大减少数据标记量，提高检测精度，适用于网络入侵检测等领域。