共被期刊论文引用了2次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于残差网络和循环神经网络混合模型的应用层协议识别方法显示文摘针对现有协议识别方法无法有效提取协议数据的时间和空间特征导致协议识别准确率不高的问题,提出了一种基于一维残差网络和循环神经网络的应用层协议识别方法。所构造的协议识别模型由一维预激活残差网络(PreResNet)和双向门控循环神经网络(BiGRU)组成,利用一维PreResNet提取协议数据的空间特征,利用BiGRU提取协议数据的时间特征,在此基础上通过注意力机制提取与协议识别有关的关键特征来提高协议识别的准确率。所提方法首先从网络流量中提取应用层协议数据,对数据进行预处理,从而将其转化为一维向量;然后利用训练数据对分类模型进行训练,得到成熟的协议识别模型;最后用训练好的分类模型识别应用层协议。在公开数据集ISCX2012上进行测试实验,结果表明,所提协议识别模型的总体准确率为96.87%,平均F值为96.81%,高于对比的协议识别模型。 | 吴吉胜 洪征 马甜甜 林培鸿 | 2022 | 计算机科学2022，49，11： | 2 |
| 2 | 一种基于随机森林和改进卷积神经网络的网络流量分类方法显示文摘为了提高网络流量分类模型的效率、降低模型复杂度,提出了一种基于随机森林和改进卷积神经网络的分类方法。首先,利用随机森林评估了网络流量各个特征的重要性,并根据重要性排序进行特征选择;其次,采用AdamW优化器和三角循环学习率优化了卷积神经网络分类模型;最后,将该模型搭建在Spark集群上实现模型训练的并行化。采用循环幅度恒定的三角循环学习率,选择1024、400、256和100个最重要的特征作为输入的实验结果表明,模型的准确率分别提高到97.68%、95.84%、95.03%和94.22%。选择256个最重要的特征,采用不同学习率的实验结果表明,循环幅度减半的三角循环学习率的效果最佳,模型的准确率提高到95.25%,模型训练时间减少近1/2。 | 云本胜 干潇雅 钱亚冠 | 2023 | 电信科学2023，39，7： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员