目前,網(wǎng)絡(luò)攻擊日益猖獗,網(wǎng)絡(luò)空間在給予人們便利的同時(shí)也帶來了巨大的隱患。為了防患這些網(wǎng)絡(luò)攻擊的侵害,網(wǎng)絡(luò)流量檢測(cè)成為一種有效的抵御措施。常見的流量分類技術(shù)主要以機(jī)器學(xué)習(xí)為主,如何改進(jìn)檢測(cè)方法、提高網(wǎng)絡(luò)流量分類效率是目前研究的熱門話題。

【文章頁(yè)數(shù)】：3 頁(yè)

【部分圖文】：

圖1CNN-SVM模型結(jié)構(gòu)圖

其中,t代表分類標(biāo)簽,預(yù)測(cè)輸出當(dāng)f(x)與分類標(biāo)簽異號(hào),f(x)<0則max(1-f(x)t,0)>1,損失值也大于1。當(dāng)訓(xùn)練分類器時(shí),隨著損失值降低,分類函數(shù)進(jìn)行擬合,使點(diǎn)盡量滿足f(x)t>0則預(yù)測(cè)輸出f(x)和t變?yōu)橥?hào)。分類訓(xùn)練完成結(jié)束,f(x)大于0表示正類,相反小于0....

圖2兩種模型正常流量和惡意流量識(shí)別準(zhǔn)確率

實(shí)驗(yàn)第一部分通過將數(shù)據(jù)集中流量分別使用CNN分類模型和CNN-SVM分類模型進(jìn)行正常流量和惡意流量的分類檢測(cè)實(shí)驗(yàn),采用二分類的方式進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)第二部分采取對(duì)數(shù)據(jù)集進(jìn)行10分類的方式進(jìn)行實(shí)驗(yàn)。圖2是兩種模型在不同場(chǎng)景實(shí)驗(yàn)的準(zhǔn)確率比較。實(shí)驗(yàn)結(jié)果表明:在準(zhǔn)確率上,CNN-SVM分類模....

本文編號(hào)：3921899