![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 76
迷人的派大星
加油
展开
-
【论文阅读】A communication-channel-based method for detecting deeply camouflaged malicious traffic
原文标题:A communication-channel-based method for detecting deeply camouflagedmalicious traffic作者:Yong Fang,Kai Li,Rong feng Zheng,Shan Liao,Yue Wang发表:Computer Networks 2021原文链接:https://www.sciencedirect.com/science/article/pii/S138912862100311X中文标题:一种基.原创 2022-05-18 23:23:19 · 333 阅读 · 0 评论 -
入侵检测系统(IDS)分类
入侵可以定义为任何类型的对信息系统造成损害的未经授权的活动。这意味着任何可能对信息机密性、完整性或可用性构成威胁的攻击都将被视为入侵。例如,使计算机服务对合法用户无响应的活动被视为入侵。 IDS 是一种软件或硬件系统,用于识别计算机系统上的恶意行为,以便维护系统安全。 IDS 的目标是识别传统防火墙无法识别的不同类型的恶意网络流量和计算机使用情况。这对于实现对损害计算机系统可用性、完整性或机密性的行为的高度保护至关重要。总体上来说,IDS 系统可以大致分为两类:基于签名的入侵检测系统 (SIDS) 和基于原创 2022-05-15 15:16:27 · 7886 阅读 · 0 评论 -
【论文阅读】A Review on Feature Selection and Ensemble Techniques for Intrusion Detection System
原文标题:A Review on Feature Selection and Ensemble Techniques for Intrusion Detection System原文作者:Majid Torabi1*, Nur Izura Udzir 2*, Mohd Taufik Abdullah3, Razali Yaakob4发表:IJACSA 2021原文链接:https://pdfs.semanticscholar.org/06b7/2a8cc22b4f9fecfd8fcf396a693.原创 2022-05-14 22:00:07 · 873 阅读 · 0 评论 -
【论文阅读】New Directions in Automated Traffic Analysis
原文标题:New Directions in Automated Traffic Analysis原文作者:Jordan Holland; Paul Schmitt; Nick Feamster; Prateek Mittal发表会议:CCS 2021原文链接:https://dl.acm.org/doi/abs/10.1145/3460120.3484758中文标题:自动化流量分析的新方向1 Motivation为了让目前在网络流量分析领域的:特征选择和表示、模型选择和参数调整工作自动化,.原创 2022-05-09 22:13:28 · 1161 阅读 · 0 评论 -
【论文阅读】Detecting Abnormal Traffic in Large-Scale Networks
原文标题:Detecting Abnormal Traffic in Large-Scale Networks原文作者:Mahmoud Said Elsayed; Nhien-An Le-Khac; Soumyabrata Dev; Anca Delia Jurcut发表会议:ISNCC 2020原文链接:https://ieeexplore.ieee.org/abstract/document/9297358中文标题:检测大规模网络中的异常流量1 Motivation网络服务和应用程序的动.原创 2022-05-06 23:12:11 · 1126 阅读 · 0 评论 -
【论文阅读】An LSTM-Based Deep Learning Approach for Classifying Malicious Traffic at the Packet Level
原文标题:An LSTM-Based Deep Learning Approach for Classifying Malicious Traffic at the Packet Level原文作者:Ren-Hung Hwang * , Min-Chun Peng, Van-Linh Nguyen and Yu-Lun Chang发表会议:IEEE ICASI 2019原文链接:https://www.mdpi.com/2076-3417/9/16/3414中文标题:一种基于LSTM的包级恶意流量.原创 2022-05-04 23:43:51 · 1740 阅读 · 4 评论 -
tensorflow Could not load dynamic library ‘cudnn64_8.dll‘
安装完tensorflow和cuda后,运行检测GPU代码:import tensorflow as tfprint('GPU',tf.config.list_physical_devices('GPU'))a = tf.constant(2.)b = tf.constant(3.)print(a*b)出现报错:解决办法将 cudnn64_8.dll 文件手动放入 C:\Windows\System 路径下即可;再次运行以上代码:...原创 2021-09-13 14:06:57 · 12353 阅读 · 3 评论 -
加密流量分类任务的深度学习方法(一般框架总结)
凭借出色的自动特征学习能力,深度学习(DL)成为加密流量分类任务中的一种非常理想的方法,下面介绍目前大多数相关工作中应对加密流量分类任务的一般化框架。总体结构图如下所示:A 分类任务定义显式定义分类任务是设计流量分类器之前的首要步骤。分类任务主要由目标、粒度和性能要求三部分组成。A1 分类目标一般而言,流量分类的目标总是包括网络管理、安全和个性化推荐三个部分。在网络管理相关场景中有网络资源调度、QoS 提供和基于内容的计费。入侵检测、恶意软件检测和僵尸网络检测是网络安全的典型场景。此外,网络服务提原创 2022-05-01 23:27:36 · 3758 阅读 · 1 评论 -
【论文阅读】Automatic Detection of Various Malicious Traffic Using Side Channel Features on TCP Packets
原文标题:Automatic Detection of Various Malicious Traffic Using Side Channel Features on TCP Packets原文作者:George Stergiopoulos, Alexander Talavari, Evangelos Bitsikas & Dimitris Gritzalis发表会议:ESORICS 2018: Computer Security原文链接:https://link.springer.com.原创 2022-05-01 17:24:18 · 1710 阅读 · 0 评论 -
【论文阅读】Deep Learning for Encrypted Traffic Classification: An Overview(深度学习方法进行加密流量分类综述)
原文:Deep Learning for Encrypted Traffic Classification: An OverviewAbstract在abstract中,作者指出之前的基于端口号、DPI和经典的ML的流量分类方法在面对当下网络流量大面积加密的情况下准确率不高,接着介绍了本文的主要贡献:总结最近的DL模型在加密流量分类上的工作。最后,作者提出了几个目前在加密流量分类问题上面临的挑战。1 INTRODUCTION作者首先简要回顾流量分类问题上的各种方法:基于端口:应用广泛,但准确率在原创 2022-04-11 23:00:49 · 2141 阅读 · 1 评论 -
感知机算法(统计学习方法)之三
感知机学习算法是对以下最优化问题的算法。给定一个训练数据集T={(x1,y1),(x2,y2),...,(xN,yN)}T = \{(x_1,y_1), (x_2,y_2),...,(x_N,y_N)\}T={(x1,y1),(x2,y2),...,(xN,yN)}其中,xi∈X=Rn,yi∈Y={+1,−1},i=1,2,⋯ ,Nx_{i} \in \mathcal{X}=\mathbf{R}^{n}, \quad y_{i} \in \mathcal{Y}=\{+1,-1\}, \quad原创 2021-06-04 18:41:20 · 328 阅读 · 0 评论 -
感知机学习策略(统计学习方法)之二
给定一个数据集T={(x1,y1),(x2,y2),...,(xN,yN)}T = \left \{ (x_1,y_1),(x_2,y_2),...,(x_N,y_N) \right \}T={(x1,y1),(x2,y2),...,(xN,yN)}其中,xi∈X=Rnx_i \in X= {R}^nxi∈X=Rn,yi∈Y={+1,−1}y_i \in Y= \mathbb{\{+1,-1}\}yi∈Y={+1,−1},i=1,2,...,Ni=1,2,...,Ni=1,2,...,N,原创 2021-06-04 17:14:27 · 192 阅读 · 0 评论 -
感知机模型(统计学习方法)之一
概念感知机是二分类的线性模型,输入为实例的特征向量,输出为实例的类别,取 {-1, +1}。感知机学习的目的在于找到某个超平面,能将正负实例完全分离,为此,导入基于误分类的损失函数,利用梯度下降法对损失函数极小化,以此求得感知机模型。定义假设输入空间X⊆RnX \subseteq \mathbb{R}^{n}X⊆Rn,输出空间Y={+1,−1}Y=\{+1,-1\}Y={+1,−1} 。输入x表示实例的特征向量,对应于输入空间的点,输出y表示实例的类别。由输入空间到输出空间的如下函数:f(x)=si原创 2021-06-04 16:11:40 · 202 阅读 · 0 评论 -
octave入门教程(三)
矩阵运算矩阵 A * B.* 表示用数乘矩阵矩阵+数为矩阵中对应每个元素都加上该数A’ 表示矩阵转置log为求对数函数exp() 为求e的 参数次方-A 表示求矩阵中各元素相反数pinv() 函数为求逆矩阵...原创 2021-03-02 17:16:02 · 317 阅读 · 0 评论 -
octave入门教程(二)
size、length函数size可用来返回矩阵行列数(也可指定参数单独显示行或列数),length返回矩阵行列中较大值pwd、ls、cd这几个命令均来自于unix,熟悉linux系统的同学应该不会陌生pwd:显示当前所处路径ls:显示当前目录下内容cd:切换路径,后面跟所要切入的路径load、save、whos、clearload:加载本地文件到octave环境中whos:显示当前内存中保存的变量save:将octave中的变量写入磁盘clear:指定名称时在内存删除指定变量,.原创 2021-03-01 22:38:18 · 428 阅读 · 0 评论 -
octave入门教程(一)
序:最近在看吴恩达老师的机器学习入门教程,由于老师的力荐,因此决定学习octave作为练习语言,在此作为入门教程帮助同样在学习octave语言的初学者,同时也作为备忘录供自己复习。安装完octave后,会有一个类似于cmd的命令行窗口,我们可以在此练习octave基础语法。基础语法加减乘除逻辑运算% 为注释变量赋值与显示矩阵、行向量、列向量、单位矩阵生成随机数、初始化矩阵简单绘图展示数据...原创 2021-03-01 22:02:46 · 1137 阅读 · 0 评论