电脑桌面
添加毕设投稿发表到电脑桌面
安装后可以在桌面快捷访问

25年WH网络工程 人工智能在恶意代码攻击与防御中的应用研究0.99-AI25.72_1终-约18630字符.docx

25年WH网络工程 人工智能在恶意代码攻击与防御中的应用研究0.99-AI25.72_1终-约18630字符.docx_第1页
1/37
25年WH网络工程 人工智能在恶意代码攻击与防御中的应用研究0.99-AI25.72_1终-约18630字符.docx_第2页
2/37
25年WH网络工程 人工智能在恶意代码攻击与防御中的应用研究0.99-AI25.72_1终-约18630字符.docx_第3页
3/37
25年WH网络工程 人工智能在恶意代码攻击与防御中的应用研究0.99-AI25.72_1终-约18630字符.docx_第4页
4/37
25年WH网络工程 人工智能在恶意代码攻击与防御中的应用研究0.99-AI25.72_1终-约18630字符.docx_第5页
5/37
25年WH网络工程 人工智能在恶意代码攻击与防御中的应用研究0.99-AI25.72_1终-约18630字符.docx_第6页
6/37
25年WH网络工程 人工智能在恶意代码攻击与防御中的应用研究0.99-AI25.72_1终-约18630字符.docx_第7页
7/37
人工智能在恶意代码攻击与防御中的应用研究I摘 要在网络攻击手段变得越发复杂的情形下,传统的恶意代码检测方法大多时候因为响应迟缓以及高误报率,而无法契合实际的需求,为了提高检测效率以及准确性,本文引入了人工智能算法,探寻它在恶意代码识别方面的应用潜力,以 KDD_CUP_1999数据集作为基础,构建混合特征工程框架,把方差筛选和主成分分析结合起来,可有效地压缩特征维度。针对 KNN 分类器,改进它的距离加权策略并且引入 Ball-Tree 索引结构,在 U2R 类攻击识别中能让召回率提升到 73.2%,在逻辑回归模型里引入弹性网络正则化以及增量式学习策略,使...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

25年WH网络工程 人工智能在恶意代码攻击与防御中的应用研究0.99-AI25.72_1终-约18630字符.docx

发表评论取消回复

  
25年+ 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

确认删除?
qq
  • 联系点击这里给我发消息
搜索教程
联系客服
  • 联系客服
回到顶部