基于DAPA的卷积神经网络Web异常流量检测方法
针对Web攻击流量检测问题，提出一种基于动态自适应池化算法(Dynamic Adaptive Pooling Algorithm,DAPA)的卷积神经网络模型。首先将数据集中每一条请求流量进行剪裁、对齐、补足等操作，生成一系列50×150的矩阵数据A作为输入，然后搭建基于动态自适应的卷积神经网络模型去进行异常流量检测，使之可以根据特征图的不同，动态地调整池化过程，在网络结构中添加Dropout层来解决流量特征提取过程中的过拟合问题。实验表明，该方法比未使用动态自适应池化的方式精确度提升了1.2%，损失值降低了2.6%，过拟合问题也得到了解决。
文件下载
评论信息
其他资源
- 小票打印模板生成DragControl
- 基于FPGA的音乐播放系统的设计
- 基于51单片机的密码锁毕业设计含论文含源程序
- 工程矩阵理论（东南大学）
- 现代逻辑设计第二版课后答案
- ADS-B_1090MHz_ES标准
- Arduino Stepper库
- 戴尔md3200存储固件升级
- 汇编语言实验报告
- ansible-role-harden-linux：用于强化Linux的Ansible角色（针对Ubuntu 16.0418.0420.04）-源码
- 拨码开关封装Altium Designer AD PCB封装库2D3D元件库文件.zip
- Ubuntu上的Mca主题Cupertino.tar.xz
- python3爬虫
- rdpwrap_10.0.18362.267_x64.zip
- mysql 下载
- 创建进程时，指定父进程
- 常用数据挖掘算法总结及Python实现(含标签)
- matconvnet-1.0-beta23
- 匹配滤波器的实验
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明