检索结果-维普期刊中文期刊服务平台

结合残差收缩和时空上下文的行为检测网络: 1; 作者黄忠陶孟元 +2 位作者胡敏刘娟占生宝《光学精密工程》 EI CAS CSCD 北大核心 2023年第4期552-564,共13页; 针对R-C3D行为检测网络特征提取冗余度高及边界定位不准确的问题,结合残差收缩结构和时空上下文,提出一种改进的行为检测网络(RS-STCBD)。首先,将收缩结构和软阈值化操作融入到3D-ResNet的残差模块中,设计通道自适应阈值的残差收缩单元(... 展开更多; 关键词行为检测网络残差收缩结构时空上下文多层卷积非局部注意力机制; 在线阅读下载PDF 职称材料

一种基于选择性协同学习的网络用户异常行为检测方法被引量：36: 2; 作者陆悠李伟 +2 位作者罗军舟蒋健夏怒《计算机学报》 EI CSCD 北大核心 2014年第1期28-40,共13页; 为了快速准确检测网络用户的异常行为,机器学习技术得到了广泛应用.但随着用户规模的扩大及用户行为的复杂化,基于机器学习的传统检测方法面临着大量标记训练样本而导致的巨大开销、实际网络用户异常行为数据非平衡性而导致的检测准确... 展开更多; 关键词网络用户异常行为检测协同学习选择性集成学习支持向量机机器学习; 在线阅读下载PDF 职称材料

基于半监督学习的无线网络攻击行为检测优化方法被引量：45: 3; 作者王婷王娜 +1 位作者崔运鹏李欢《计算机研究与发展》 EI CSCD 北大核心 2020年第4期791-802,共12页; 针对如何优化深度学习技术在海量高维复杂的无线网络流量数据中有效发现异常攻击行为的问题,提出一种基于半监督学习的无线网络攻击行为检测优化方法(WiFi network attacks detection optimization method,WiFi-ADOM).首先基于无监督学... 展开更多; 关键词网络攻击行为检测网络入侵检测半监督学习深度学习 Bi-kmeans聚类; 在线阅读下载PDF 职称材料

改进逆向习得推理的网络异常行为检测模型被引量：1: 4; 作者李博超邵酉辰《现代电子技术》北大核心 2020年第18期14-18,共5页; 针对网络异常行为检测中数据不平衡导致召回率低的问题,提出一种改进逆向习得推理(ALI)的网络异常行为检测模型。首先,使用仅由正样本所构成的数据对改进的ALI模型进行训练,通过已训练的改进的ALI模型处理检测数据,生成处理后的检测数据... 展开更多; 关键词检测模型网络异常行为检测逆向习得推理模型训练数据处理对比实验; 在线阅读下载PDF 职称材料

TCP流的宏观平衡性被引量：5: 5; 作者龚俭彭艳兵 +1 位作者杨望刘卫江《计算机学报》 EI CSCD 北大核心 2006年第9期1561-1571,共11页; TCP流显式的连接建立和关闭过程决定了完整的TCP流的不同类型TCP报文之间在数量关系间保持一种宏观平衡性,这种数量间的约束所表现出的宏观平衡性可以用来揭示网络流量行为规律,识别网络流量行为异常的存在,从而可以成为网络安全监测和... 展开更多; 关键词 TCP流报文数量的宏观平衡性测度测量误差异常网络行为检测; 在线阅读下载PDF 职称材料

题名结合残差收缩和时空上下文的行为检测网络: 1; 作者黄忠陶孟元胡敏刘娟占生宝; 机构安庆师范大学电子工程与智能制造学院合肥工业大学计算机与信息学院; 出处《光学精密工程》 EI CAS CSCD 北大核心 2023年第4期552-564,共13页; 基金国家自然科学基金面上项目资助(No.62176084) 安徽省自然科学基金面上项目资助(No.1908085MF195) 安徽省高校优秀青年人才基金项目资助(No.gxyqZD2021122)。; 文摘针对R-C3D行为检测网络特征提取冗余度高及边界定位不准确的问题,结合残差收缩结构和时空上下文,提出一种改进的行为检测网络(RS-STCBD)。首先,将收缩结构和软阈值化操作融入到3D-ResNet的残差模块中,设计通道自适应阈值的残差收缩单元(3D-RSST),并级联多个3D-RSST单元构建特征提取网络以消除行为特征中的噪声、背景等冗余信息;然后,在时序候选子网中嵌入多层卷积替代一次卷积,以增加时序侯选片段的时序维度感受野;最后,在行为分类子网引入非局部注意力机制,通过捕获优质行为时序片段间的远程依赖以获取动作时空上下文信息。在THUMOS14和ActivityNet1.2数据集上的实验结果表明:改进网络的mAP@0.5分别达到36.9%和41.6%,比R-C3D方法提升了8.0%和14.8%。基于改进网络的行为检测方法提高了动作边界定位精度和行为分类准确率,有利于改善自然场景下的人机交互质量。; 关键词行为检测网络残差收缩结构时空上下文多层卷积非局部注意力机制; Keywords behavior detection network residual shrinkage structure spatio-temporal context multilayer convolution non-local attention mechanism; 分类号 TP394.1 [自动化与计算机技术—计算机应用技术] TH691.9 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名一种基于选择性协同学习的网络用户异常行为检测方法被引量：36: 2; 作者陆悠李伟罗军舟蒋健夏怒; 机构东南大学计算机科学与工程学院苏州科技学院电子与信息工程学院; 出处《计算机学报》 EI CSCD 北大核心 2014年第1期28-40,共13页; 基金国家"九七三"重点基础研究发展规划课题(2010CB328104) 国家自然科学基金(61070158 +8 种基金 61003257 61070161 61070210 61320106007) 江苏省自然科学基金(BK20131154) 教育部计算机网络与信息集成重点实验室(东南大学)(93K-9)资助~~; 文摘为了快速准确检测网络用户的异常行为,机器学习技术得到了广泛应用.但随着用户规模的扩大及用户行为的复杂化,基于机器学习的传统检测方法面临着大量标记训练样本而导致的巨大开销、实际网络用户异常行为数据非平衡性而导致的检测准确性不足等问题.因此,将选择性集成技术引入到协同学习过程中,提出了一种基于选择性协同学习的网络用户异常行为检测方法,使用基于多数类分布的改进EasyEnsemble方法将非平衡训练样本划分为平衡的样本子集,然后使用基于混合扰动的生成方法构造差异性成员分类器对样本子集进行协同学习,在学习过程中使用选择性集成进行置信度计算与数据更新以减少开销,并基于准确性选择构建集成分类器用于实际检测,使得检测方法在获得非平衡性复杂分布数据的处理能力的同时进一步提高检测准确性.实验结果表明,该方法较传统方法减少了对训练样本中标记数据的需求,同时在准确性评价指标上表现更好,能更快速准确地检测出网络用户的异常行为.; 关键词网络用户异常行为检测协同学习选择性集成学习支持向量机机器学习; Keywords abnormal user behavior detection collaborative learning selective ensemble learning SVM machine learning; 分类号 TP301 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于半监督学习的无线网络攻击行为检测优化方法被引量：45: 3; 作者王婷王娜崔运鹏李欢; 机构中国农业科学院农业信息研究所农业农村部农业大数据重点实验室(中国农业科学院农业信息研究所) [; 出处《计算机研究与发展》 EI CSCD 北大核心 2020年第4期791-802,共12页; 基金国家自然科学基金项目(61672101) 中国农业科学院基本科研业务费院级项目(Y2020XC15)。; 文摘针对如何优化深度学习技术在海量高维复杂的无线网络流量数据中有效发现异常攻击行为的问题,提出一种基于半监督学习的无线网络攻击行为检测优化方法(WiFi network attacks detection optimization method,WiFi-ADOM).首先基于无监督学习模型栈式稀疏自编码器提出2种网络流量特征表示向量:新特征值向量和原始特征权重值向量.然后利用原始特征权重值向量初始化监督学习模型深度神经网络的权重值得到网络攻击类型的预判结果,并通过无监督学习聚类方法Bi-kmeans对网络流量的新特征值向量进行聚类以生成未知攻击类型判别纠正项.最后结合预判结果和未知攻击类型判别纠正项,得到网络攻击类型的最终判定结果.通过和已有研究方法对比,在公开无线网络攻击行为数据集AWID上验证了WiFi-ADOM方法对网络攻击行为检测的优化性能,同时探索了与网络攻击检测相关的重要特征属性的问题.实验结果表明:WiFi-ADOM方法在保证准确率等检测性能的同时能够有效检测未知攻击类型,具备优化网络攻击行为检测的能力.; 关键词网络攻击行为检测网络入侵检测半监督学习深度学习 Bi-kmeans聚类; Keywords network attacks detection network intrusion detection semi-supervised learning deep learning Bi-kmeans clustering; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名改进逆向习得推理的网络异常行为检测模型被引量：1: 4; 作者李博超邵酉辰; 机构中国民航大学计算机科学与技术学院; 出处《现代电子技术》北大核心 2020年第18期14-18,共5页; 基金国家自然科学基金民航联合研究基金项目(U1833107) 国家科技重大专项(2012ZX03002002) 中央高校基本科研业务费(ZYGX2018028)。; 文摘针对网络异常行为检测中数据不平衡导致召回率低的问题,提出一种改进逆向习得推理(ALI)的网络异常行为检测模型。首先,使用仅由正样本所构成的数据对改进的ALI模型进行训练,通过已训练的改进的ALI模型处理检测数据,生成处理后的检测数据集;然后,使用异常检测函数计算处理后的检测数据与检测数据的距离以判断是否异常。在KDD99数据集上与AnoGAN等常用模型进行对比实验,实验结果表明,所设计模型在数据不平衡时具有较高的召回率,相比AnoGAN,召回率提升16%。; 关键词检测模型网络异常行为检测逆向习得推理模型训练数据处理对比实验; Keywords detection model network abnormal behavior detection adversarially learned inference model training data processing contrast experiment; 分类号 TN711-34 [电子电信—电路与系统] TP309 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名TCP流的宏观平衡性被引量：5: 5; 作者龚俭彭艳兵杨望刘卫江; 机构东南大学计算机科学与工程学院; 出处《计算机学报》 EI CSCD 北大核心 2006年第9期1561-1571,共11页; 基金国家"九七三"重点基础研究发展规划项目基金(2003CB314804)资助; 文摘 TCP流显式的连接建立和关闭过程决定了完整的TCP流的不同类型TCP报文之间在数量关系间保持一种宏观平衡性,这种数量间的约束所表现出的宏观平衡性可以用来揭示网络流量行为规律,识别网络流量行为异常的存在,从而可以成为网络安全监测和网络管理的有效手段之一.文章定义了TCP流宏观平衡性的相关测度,根据TCP流的到达模型和流长模型建立了测量误差的模型,并以此导出了实际测量模型和判断正常与异常的临界点.通过实验和仿真对这些测度进行了分析,证明了这些测度和临界点的可用性.; 关键词 TCP流报文数量的宏观平衡性测度测量误差异常网络行为检测; Keywords TCP flow macroscopical quantitative balance of packets metric measuring error detection of abnormal network behavior; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	结合残差收缩和时空上下文的行为检测网络	黄忠陶孟元胡敏刘娟占生宝	《光学精密工程》 EI CAS CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料
2	一种基于选择性协同学习的网络用户异常行为检测方法	陆悠李伟罗军舟蒋健夏怒	《计算机学报》 EI CSCD 北大核心	2014	36	在线阅读下载PDF 职称材料
3	基于半监督学习的无线网络攻击行为检测优化方法	王婷王娜崔运鹏李欢	《计算机研究与发展》 EI CSCD 北大核心	2020	45	在线阅读下载PDF 职称材料
4	改进逆向习得推理的网络异常行为检测模型	李博超邵酉辰	《现代电子技术》北大核心	2020	1	在线阅读下载PDF 职称材料
5	TCP流的宏观平衡性	龚俭彭艳兵杨望刘卫江	《计算机学报》 EI CSCD 北大核心	2006	5	在线阅读下载PDF 职称材料