paper reading:《A Self-Adaptve Deep Learning-Based System for Anomal Detection in5G Networks》

最新推荐文章于 2022-11-12 17:08:58 发布
最新推荐文章于 2022-11-12 17:08:58 发布
阅读量183 收藏
点赞数
分类专栏： 投稿
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yangwangnndd/article/details/89344653
版权
本文介绍了一种基于深度学习的5G网络异常检测系统，利用自适应优化计算资源，针对5G网络的高数据量、设备数量、速度和低延迟特性进行实时特征提取和微调分析。实验表明，该方案能有效提升检测效果。
摘要由CSDN通过智能技术生成
  1. Abstract

背景：技术背景以及当前需求；
解决方案：基于深度学习对网络流量进行特征提取；
本方案优点：实时优化计算资源、微调检测与分析行为；
实验证明：对于上述优点的佐证。

  1. 简介（INTRODUCTION AND MOTIVATION）

现状以及当前方案的缺点：数据量、设备数量、网速、低延时等特点导致现有方案失效；
提出方案：
实验验证：
文章结构：

  1. 相关技术当前在相关领域中的应用

挑战
现有相关方法:

  2. DEEP LEARNING APPLIED TO THE ANOMALY DETECTION PROBLEM IN 5G NETWORKS

自编码器：

https://blog.csdn.net/marsjhao/article/details/73480859

SAE算法：

https://blog.csdn.net/xiatianyunzi/article/details/82456125

最低0.47元/天 解锁文章
Nicola-Zhang
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
VulDeePecker: A Deep Learning-Based System for Vulnerability Detection
Northawk1939的博客
05-11 406
VulDeePecker: A Deep Learning-Based System for Vulnerability Detection阅读笔记，主要是自己的理解，拒绝机翻
paper review《VulDeePecker: A Deep Learning-Based System for Vulnerability Detection》
Lynch的博客
10-07 1092
《VulDeePecker: A Deep Learning-Based System for Vulnerability Detection》 一、优点： 首次将深度学习方法应用于软件漏洞检测任务中，开创了一种研究思路； 为该领域贡献了一份可用的公开数据集； 使用交叉验证得到最优参数模型，比设立固定训练epoch更具合理性。 we adopt a 10-fold cross validation to train a BLSTM neural network, and select the best
论文中文翻译——VulDeePecker: A Deep Learning-Based System for Vulnerability Detection
IronmanJay的博客
10-16 1559
VulDeePecker：基于深度学习的漏洞检测系统 软件漏洞的自动检测是一个重要的研究课题。然而，该问题的现有解决方案依赖于人类专家来定义特征，并且往往遗漏了许多漏洞（即导致高假阴性率）。在本文中，我们发起了使用基于深度学习的漏洞检测的研究，将人类专家从手动定义特征的繁琐和主观任务中解脱出来。由于深度学习的动机是处理与漏洞检测问题截然不同的问题，因此我们需要一些指导原则来将深度学习应用于漏洞检测。特别是，我们需要找到适合深度学习的软件程序的表示。为此，我们建议使用代码小工具表示程序，然后将其转换为向量，其
论文阅读笔记——VulDeePecker: A Deep Learning-Based System for Vulnerability Detection
IronmanJay的博客
10-17 1879
本博客内容为VulDeePecker: A Deep Learning-Based System for Vulnerability Detection论文的精读阅读笔记，对于其中的概念以及方法，都给出了自己的理解，并针对一些不清楚或者没接触过的知识点，都做出了详细注解。此论文为第一篇使用深度学习用于漏洞检测的论文，提出了一些关于使用深度学习应用于漏洞检测的一些指导原则，并给出了基于深度学习的漏洞检测系统的开发过程以及用于评测漏洞检测系统有效性的数据集。这对后面关于漏洞检测的学习有极强的指导意义。
A Deep Learning-Based System for Vulnerability Detection
diemie6916的博客
11-08 858
本篇文献作者提出了一种基于深度学习来检测软件漏洞的方案。 摘要：作者开始基于深度学习的漏洞检测研究，是为了减轻专家手工定义特性的繁琐任务，需要制定一些指导性原则来适用于深度学习去进行漏洞探测。出于这个目的，作者用代码 gadgets 来代表程序，然后把它们转化为向量，其中代码gadget是一些彼此语义相关的代码行。基于这设计了评估系统VulDeePecker，作者为深度学习...
A multi-model anomal detection method
02-09
首先，异常检测(Anomaly Detection)是一种识别数据集中与预期的、常见的行为模式显著不同的数据点的过程。在网络安全、信用卡欺诈检测、系统入侵检测等领域，异常检测技术都扮演着重要的角色。 其次，多模型方法是...
Network Anomaly Detection: A Machine Learning Perspective
03-15
#### 标题解析：“Network Anomaly Detection: A Machine Learning Perspective” - **核心概念**：该标题明确了本书关注的主题是网络异常检测，并且从机器学习的角度来进行阐述。网络异常检测是指在计算机网络中...
CFA: Coupled-hypersphere-based Feature Adaptation for Target-Oriented Anomaly Localization
最新发布
DYCAHGCDX的博客
11-12 1707
每个提取的特征图的空间分辨率分别为输入样本的1/4、1/8、1/16，优化器采用adamw和amsgrad，学习率为0.003，权重衰减0.0005，batch-size为4，epochs为30，CFA的超参数α为0.00001，β为0.1，作为每个补丁特征的最近邻居数，K和J均为3。异常定位的性能取决于内存库的大小；提出的新方法，通过将迁移学习应用到预训练的CNN来产生具有减少偏差的面向目标的特征；当在适应之前使用偏向于大数据集的特征时，正常特征的正态性被低估并且具有与异常特征相似的分数（第二列）。
2019 CVPR：Patch-based Discriminative Feature Learning for Unsupervised Person Re-identification
makabaka的博客
05-14 1065
Patch-based Discriminative Feature Learning for Unsupervised Person Re-identification 当前的问题及概述： 虽然针对差异性局部特征对ReID任务是有效的，但它们仅限于成对的被标记数据大间隙上进行训练，但在其他小间隙的不相似部分获取起来成本较大。如下图： 本文提出了一个基于patch的无监督学习框架来克服这个问题，以便从patch而不是整个图像中学习识别特征，大大减少了计算复杂度和成本。 模型及loss： 本文提出的Pat
SAP:Self-Adaptive Proposal Model for Temporal Action Detection Based on Reinforcement Learning
02-08
SAP:Self-Adaptive Proposal Model for Temporal Action Detection Based on Reinforcement Learning
2.Deep Learning for Anomaly Detection A Review 论文分享（中）.pdf
08-24
2.Deep Learning for Anomaly Detection A Review 论文分享（中）.pdf
VulDeePecker NDSS 2018
03-24
VulDeePecker NDSS 2018 顶会论文《VulDeePecker: A Deep Learning-Based System for Vulnerability Detection》
A Deep Learning-Based System for Vulnerability Detection(二)
diemie6916的博客
11-12 441
　　接着上一篇，这篇研究实验和结果。 A.用于评估漏洞检测系统的指标 TP：为正确检测到漏洞的样本数量 FP：为检测到虚假漏洞样本的数量(误报) FN：为未检真实漏洞的样本数量(漏报) TN：未检测到漏洞样本的数量 　　这篇文献广泛使用指标假阳性率(FPR),假阴性率(FNR),真阳性率或者召回率(TPR),精确度(P)和F1-measure来评估漏洞检测系统[39]。 F...
网络空间安全论文笔记4
TARO_ZERO的博客
09-19 1386
漏洞检测，二进制代码相似性检测
目标识别检测的所有算法
热门推荐
请叫我小皇帝 的博客
12-01 1万+
数据总览 Detection Results: VOC2012 intro: Competition “comp4” (train on additional data) homepage: http://host.robots.ox.ac.uk:8080/leaderboard/displaylb.php?challengeid=11&compid=4 Papers Deep N
机器学习系列 九 - 2. Tips for Deep Learning - adaptive learning rate
04-18 657
下图所说的testing data 不是真正的testing data， 而是我们已经labeled 数据，是validation setAdaptive Learning Rate之前再讲gradient descent的时候已经讲过adaptive learning rate了。在那个时候，我们会用一次微分来估算二次微分的值，那是在假设说二次微分很固定的情况。在·但是实际上，我们真正面对问题的...
有史以来最强的5G入门科普！
weixin_33716154的博客
07-25 3628
一个简单且神奇的公式 今天的故事，从一个公式开始讲起。 这是一个既简单又神奇的公式。说它简单，是因为它一共只有3个字母。而说它神奇，是因为这个公式蕴含了博大精深的通信技术奥秘，这个星球上有无数的人都在为之魂牵梦绕。 这个公式，就是它—— 我相信很多同学都认出这个公式了，如果没认出来，而且你又是一个理科生的话，请记得有空多给你的中学物理老师打打...
A Deep Learning-Based System for Vulnerability Detection(一)
diemie6916的博客
11-09 695
　　接着上一篇，讨论讨论具体步骤实现方法。步骤1-3分别在下面进行阐述，步骤4,6都是标准的，步骤5类似于步骤1-3。 结合这个图进行讨论详细步骤： 步骤1：提取库/API函数调用和程序片段 1.1将库/API函数调用分为两类：前向调用和后向调用，前向库/API函数调用是直接从外部输入接受一个或者多个输入的函数调用，例如命令行，程序，套接字或文件。后向库/API函数调用是不直接...
机器学习视角下的网络异常检测
"《Network Anomaly Detection: A Machine Learning Perspective》是一本专注于网络异常检测的理论书籍，结合了机器学习的视角。这本书由Dhruba K. Bhattacharyya和Jugal Kumar Kalita共同撰写，出版于2013年4月。书...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值