- AB-Training: 分布式低秩学习的高效通信方法
通过将权重矩阵分解为低秩表示并利用独立组群训练,引入 AB-training 方法,显著减少通信开销,提高了通信受限系统上的训练潜力,同时在小规模上表现出正规化效果,从而提高了 VGG16 等模型的泛化性能,并在训练 CIFAR-10 时实 - 企业网络入侵检测的对抗鲁棒性评估
提出了一种方法论性对多个决策树集成模型进行对抗鲁棒性评估的基准测试,评估了正常和对抗训练的随机森林 (RF)、梯度提升树 (XGB)、轻梯度提升树 (LGBM) 和增强型决策树 (EBM) 模型对网络流量的检测性能,通过减少误报来提高对可疑 - Lens:网络流量的基础模型
网络流量分析具有独特的挑战,因为数据包具有异构标头和缺乏语义的加密负载。为了更好地学习大规模网络流量的表示,本研究基于 Transformer 编码器的 T5 架构开发了 Lens 模型,并采用了一种新的损失函数,整合了三个任务:遮蔽跨度预 - 物联网中网络流量分类的深度学习方法综述
网络流量分类是物联网中优化资源分配、增强安全措施和确保高效网络管理的关键问题。这篇综述论文通过系统分析和分类现有的深度学习方法,针对物联网环境中的网络流量分类问题,探讨了各种深度学习模型在处理物联网网络流量的独特挑战和限制方面的优缺点。通过 - 通过网络流量分析和机器学习技术来缓解勒索软件威胁
这篇论文集中讨论了一种在计算机网络中识别和检测勒索软件的方法,该方法基于机器学习算法和对网络流量模式的分析,显示机器学习算法可以通过网络流量准确识别和检测勒索软件。
- 分布式机器学习流量的突发性分析
研究了分布式机器学习模型的网络流量特征和短期爆发性,发现分布式机器学习流量在短时间尺度上有很高的爆发性,研究了不同时间尺度上的流量爆发性度量,并揭示了分布式机器学习流量对拥塞和流量控制算法的挑战。
- 使用图神经网络检测上下文网络异常
利用图神经网络(GNN)检测网络流量异常
- 基于 KPI 的高性能计算数据中心作业聚类的无监督方法
高性能计算系统中的性能分析是一项重要任务,本文主要贡献是识别出最适合于根据高性能计算系统中作业行为对其进行分类的度量标准,并验证了网络流量监测相关的度量标准与层次聚类算法在此任务中的适用性。
- ZEST: 基于注意力机制的零样本学习用于未知物联网设备分类
提出 ZEST,一种基于自注意力的零样本学习框架,用于分类见过与未见过的物联网设备,通过使用自注意力的网络特征提取器 SANE 来提取物联网流量的潜在空间表示,训练具有生成伪数据解码器的生成模型以及使用生成的伪数据训练的监督模型来分类设备。 - 用于自动化和分析移动设备及其应用的测试平台
为了提高网络态势感知,本研究提出了一个实现自动化生成和标记仿真网络流量的测试平台,通过应用分类的任务来评估这个测试平台的可靠性和表现。
- 在物联网环境中检测未知攻击:增强网络入侵检测的开放集分类器
本文介绍了一种针对物联网环境中网络入侵检测系统的开放集识别问题的缓解框架,该框架利用基于图像的报文级数据表示,从网络流量中提取空间和时间模式,并结合堆叠和子聚类技术,有效地模拟良性行为的复杂和多样性,显著提升了先前未见攻击的检测率,未来将在 - 为 CSE-CIC-IDS2018 数据集开发入侵检测系统识别相关特征
本文基于 CSE-CIC-IDS2018 on AWS 数据集,针对五种攻击类型,通过四种广泛使用的指标,应用六种特征选择方法,形成了多个特征子集,使用五个分类算法确定每种攻击类型的最佳特征集。
- FlowTransformer:用于基于流的网络入侵检测系统的 Transformer 框架
本文提出了 FlowTransformer 框架,一种新的基于 transformer 的网络入侵检测系统(NIDS)实现方法,FlowTransformer 利用 transformer 模型在识别网络的长期行为和特征方面的优势,通过捕捉 - NetGPT:面向网络流量的生成式预训练 Transformer
本文提出了一种用于网络流量理解和生成任务的生成预训练模型,优化了适应预训练模型到多样化任务的效果,并在一系列流量理解和生成任务中展现了其显著的有效性,显著优于现有技术方案。
- 利用生存分析进行特征识别的网络流量新奇性检测
本文提出了一种利用生存分析和机器学习的方法,成功地通过随机森林,贝叶斯岭回归和线性支持向量回归分类器,将 PSH Flag 计数、ACK Flag 计数、URG Flag 计数和上行 / 下行比例确定为影响网络流量异常检测的主要特征,并提高 - 基于多尺度残差特征的网络流量异常检测方法
本研究提出了一种基于网络流量的多尺度残差特征的异常检测方法,利用滑动窗口将流量分成不同时间跨度的子序列,并使用小波变换技术将每个子序列分解和重构为不同级别的数据序列;使用栈式自编码器构建相似特征空间,并在相似特征空间中使用构建后的样本和输入 - MM基于集成回归模型的异常 ISP 流量预测
本研究分析了几个回归模型以预测真实的网络流量,包括 Extra Gradient Boost(XGBoost)、Light Gradient Boosting Machine(LightGBM)、Stochastic Gradient De - 利用深度学习进行物联网设备识别
本研究采用深度学习方法分析网络流量,通过网络流量载荷生成小图像的方式,实现对连接到网络上的各种 IoT 设备及未授权连接的设备进行自动识别,训练出的多分类器在公开数据集上精度超过 99%。
- AAAI利用 AI/ML 从被动网络观测中获取情境理解
本文介绍 IBM 的网络流量分析系统,基于 AI/ML 技术,将网络流量转化为关于现场环境的可操作洞察,包括通信设备的特征化,发现违反政策的未授权设备,识别隐藏部件和漏洞点,检测敏感信息泄漏和识别人员和设备等方面,提高了智能感知的能力。
- 一种新型层次化入侵检测系统,基于决策树和基于规则的模型
本文提出了一个新颖的入侵检测系统(IDS),结合了基于决策树和基于规则的概念的不同分类器方法,即 REP 树,JRip 算法和 Forest PA,并通过分析使用 CICIDS2017 数据集的 IDS 获得实验结果表明其在准确性,检测率,