| 基于DAPA的卷積神經(jīng)網(wǎng)絡(luò)Web異常流量檢測(cè)方法 | |
| 所屬分類：技術(shù)論文 | |
| 上傳者：zhoubin333 | |
| 文檔大?。?span>1372 K | |
| 標(biāo)簽： 異常流量檢測(cè) 卷積神經(jīng)網(wǎng)絡(luò) 動(dòng)態(tài)自適應(yīng)池化 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：針對(duì)Web攻擊流量檢測(cè)問(wèn)題，提出一種基于動(dòng)態(tài)自適應(yīng)池化算法(Dynamic Adaptive Pooling Algorithm,DAPA)的卷積神經(jīng)網(wǎng)絡(luò)模型。首先將數(shù)據(jù)集中每一條請(qǐng)求流量進(jìn)行剪裁、對(duì)齊、補(bǔ)足等操作，生成一系列50×150的矩陣數(shù)據(jù)A作為輸入，然后搭建基于動(dòng)態(tài)自適應(yīng)的卷積神經(jīng)網(wǎng)絡(luò)模型去進(jìn)行異常流量檢測(cè)，使之可以根據(jù)特征圖的不同，動(dòng)態(tài)地調(diào)整池化過(guò)程，在網(wǎng)絡(luò)結(jié)構(gòu)中添加Dropout層來(lái)解決流量特征提取過(guò)程中的過(guò)擬合問(wèn)題。實(shí)驗(yàn)表明，該方法比未使用動(dòng)態(tài)自適應(yīng)池化的方式精確度提升了1.2%，損失值降低了2.6%，過(guò)擬合問(wèn)題也得到了解決。 | |
| 現(xiàn)在下載 | |
| VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
zhoubin333 的最新分享
- 基于雙模單包授權(quán)的公路零信任安全應(yīng)用研究*
- 基于區(qū)塊鏈的法檢司數(shù)據(jù)安全共享技術(shù)研究*
- 揭開“算法的面紗”：關(guān)于構(gòu)建算法解釋框架的思考
- 企業(yè)“數(shù)據(jù)池”的商業(yè)秘密保護(hù)路徑探究
- 注意力經(jīng)濟(jì)下陪伴式人工智能平臺(tái)的侵權(quán)責(zé)任
- 數(shù)據(jù)抓取行為競(jìng)爭(zhēng)法規(guī)制中的利益衡量研究
- 基于同態(tài)的多對(duì)多電子投票方案設(shè)計(jì)*
- 基于策略和屬性隱藏的區(qū)塊鏈訪問(wèn)控制方法研究
Copyright ? 2005-2024 華北計(jì)算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號(hào)-2