發(fā)布時間：2024-03-08 02:53

　　目前,網絡攻擊日益猖獗,網絡空間在給予人們便利的同時也帶來了巨大的隱患。為了防患這些網絡攻擊的侵害,網絡流量檢測成為一種有效的抵御措施。常見的流量分類技術主要以機器學習為主,如何改進檢測方法、提高網絡流量分類效率是目前研究的熱門話題。

【文章頁數(shù)】：3 頁

【部分圖文】：

圖1CNN-SVM模型結構圖

其中,t代表分類標簽,預測輸出當f(x)與分類標簽異號,f(x)<0則max(1-f(x)t,0)>1,損失值也大于1。當訓練分類器時,隨著損失值降低,分類函數(shù)進行擬合,使點盡量滿足f(x)t>0則預測輸出f(x)和t變?yōu)橥�。分類訓練完成結束,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別準確率

實驗第一部分通過將數(shù)據(jù)集中流量分別使用CNN分類模型和CNN-SVM分類模型進行正常流量和惡意流量的分類檢測實驗,采用二分類的方式進行實驗。實驗第二部分采取對數(shù)據(jù)集進行10分類的方式進行實驗。圖2是兩種模型在不同場景實驗的準確率比較。實驗結果表明:在準確率上,CNN-SVM分類模....

本文編號：3921899