期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
耦合演化采样和深度解码的可解释网络流量异常检测模型
被引量：
9
1
作者
孙俊
谢振平
王洪波
《智能系统学报》
CSCD
北大核心
2023年第5期1070-1078,共9页
针对现有网络流量异常检测模型缺乏可解释性的问题,本研究提出了耦合演化采样和深度解码的可解释网络流量异常检测模型。首先,引入演化采样学习抽取代表特征样本,依此实现了强可解释性的样本编码过程;其次,构建了可解释的演化采样样本...
针对现有网络流量异常检测模型缺乏可解释性的问题,本研究提出了耦合演化采样和深度解码的可解释网络流量异常检测模型。首先,引入演化采样学习抽取代表特征样本,依此实现了强可解释性的样本编码过程;其次,构建了可解释的演化采样样本编码过程和不可解释的深度神经网络解码过程的耦合学习模型;最后,使用样本编码结果和重构误差进行异常检测。在NSL-KDD和CICIDS2017数据集上与现有方法的实验比较结果表明,该方法可显著提升模型可解释性和模型规模效率,并能取得与现有最优方法同等水平的检测性能。此外,上述新的学习策略,也可为可解释机器学习方法研究提供一种极具特色的技术方案参考。
展开更多
关键词
机器学习
无监督学习
流量异常检测
深度神经网络
可解释性
演化采样
深度编码
自编码器
在线阅读
下载PDF
职称材料
基于RDMA的高性能单向数据采集技术研究
被引量：
1
2
作者
梁嘉诚
余江
+2 位作者
王洪波
刘渊
王晓锋
《计算机工程》
CAS
CSCD
北大核心
2023年第10期31-40,共10页
高性能数据采集技术是提高数据分析效率的重要前提。为解决当前数据采集技术中安全性低、传输时延高、CPU开销大的问题,设计一种基于远程直接内存访问的高性能单向数据采集(ODAR)架构,提高数据采集过程中的安全性和传输性能。针对传输...
高性能数据采集技术是提高数据分析效率的重要前提。为解决当前数据采集技术中安全性低、传输时延高、CPU开销大的问题,设计一种基于远程直接内存访问的高性能单向数据采集(ODAR)架构,提高数据采集过程中的安全性和传输性能。针对传输时数据正确性问题,基于可靠性的数据封装策略,设计动态内存优化策略解决内存分配时存在的时延问题,并提出基于优先级的数据传输调度算法解决高吞吐量数据传输中存在的带宽利用率低的问题。实验结果表明,相对于基于UDP协议实现的单向数据采集技术,ODAR架构的吞吐量平均提高了57.01%,传输时延与CPU开销平均降低了61.27%与68.01%,并且大幅提高了数据传输的准确率,内存分配时的时延平均降低了80.15%,网卡带宽利用率平均提高了33.03%。
展开更多
关键词
单向数据采集
远程直接内存访问
消息中间件
动态内存优化
数据传输调度
在线阅读
下载PDF
职称材料
题名
耦合演化采样和深度解码的可解释网络流量异常检测模型
被引量：
9
1
作者
孙俊
谢振平
王洪波
机构
江南大学人工智能与计算机学院
江南大学江苏省媒体设计与软件
技术
重点实验室
拓尔思天行网安信息技术有限责任公司
出处
《智能系统学报》
CSCD
北大核心
2023年第5期1070-1078,共9页
基金
国家自然科学基金项目(62272201,61872166)。
文摘
针对现有网络流量异常检测模型缺乏可解释性的问题,本研究提出了耦合演化采样和深度解码的可解释网络流量异常检测模型。首先,引入演化采样学习抽取代表特征样本,依此实现了强可解释性的样本编码过程;其次,构建了可解释的演化采样样本编码过程和不可解释的深度神经网络解码过程的耦合学习模型;最后,使用样本编码结果和重构误差进行异常检测。在NSL-KDD和CICIDS2017数据集上与现有方法的实验比较结果表明,该方法可显著提升模型可解释性和模型规模效率,并能取得与现有最优方法同等水平的检测性能。此外,上述新的学习策略,也可为可解释机器学习方法研究提供一种极具特色的技术方案参考。
关键词
机器学习
无监督学习
流量异常检测
深度神经网络
可解释性
演化采样
深度编码
自编码器
Keywords
machine learning
unsupervised learning
traffic anomaly detection
deep neural network
explainability
evolutionary sampling
deep enconding
autoencoder
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
基于RDMA的高性能单向数据采集技术研究
被引量：
1
2
作者
梁嘉诚
余江
王洪波
刘渊
王晓锋
机构
江南大学人工智能与计算机学院
拓尔思天行网安信息技术有限责任公司
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第10期31-40,共10页
基金
国家自然科学基金(61972182,62172191)。
文摘
高性能数据采集技术是提高数据分析效率的重要前提。为解决当前数据采集技术中安全性低、传输时延高、CPU开销大的问题,设计一种基于远程直接内存访问的高性能单向数据采集(ODAR)架构,提高数据采集过程中的安全性和传输性能。针对传输时数据正确性问题,基于可靠性的数据封装策略,设计动态内存优化策略解决内存分配时存在的时延问题,并提出基于优先级的数据传输调度算法解决高吞吐量数据传输中存在的带宽利用率低的问题。实验结果表明,相对于基于UDP协议实现的单向数据采集技术,ODAR架构的吞吐量平均提高了57.01%,传输时延与CPU开销平均降低了61.27%与68.01%,并且大幅提高了数据传输的准确率,内存分配时的时延平均降低了80.15%,网卡带宽利用率平均提高了33.03%。
关键词
单向数据采集
远程直接内存访问
消息中间件
动态内存优化
数据传输调度
Keywords
one-way data acquisition
Remote Direct Memory Access(RDMA)
message middleware
dynamic memory optimization
data transmission scheduling
分类号
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
作者
出处
发文年
被引量
操作
1
耦合演化采样和深度解码的可解释网络流量异常检测模型
孙俊
谢振平
王洪波
《智能系统学报》
CSCD
北大核心
2023
9
在线阅读
下载PDF
职称材料
2
基于RDMA的高性能单向数据采集技术研究
梁嘉诚
余江
王洪波
刘渊
王晓锋
《计算机工程》
CAS
CSCD
北大核心
2023
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
