26年WP通信工程基于无监督学习的通信网络入侵流量检测8.2-AI通过(18807字).docx

下载本文档

阅读 0
格式 docx
大小 12.03 MB
约38页
2026-06-26
收藏
评论
点赞(0)
海报
举报

26年WP通信工程基于无监督学习的通信网络入侵流量检测8.2-AI通过(18807字).docx_第1页

1/38页

26年WP通信工程基于无监督学习的通信网络入侵流量检测8.2-AI通过(18807字).docx_第2页

2/38页

26年WP通信工程基于无监督学习的通信网络入侵流量检测8.2-AI通过(18807字).docx_第3页

3/38页

26年WP通信工程基于无监督学习的通信网络入侵流量检测8.2-AI通过(18807字).docx_第4页

4/38页

26年WP通信工程基于无监督学习的通信网络入侵流量检测8.2-AI通过(18807字).docx_第5页

5/38页

26年WP通信工程基于无监督学习的通信网络入侵流量检测8.2-AI通过(18807字).docx_第6页

6/38页

26年WP通信工程基于无监督学习的通信网络入侵流量检测8.2-AI通过(18807字).docx_第7页

7/38页

26年WP通信工程基于无监督学习的通信网络入侵流量检测8.2-AI通过(18807字).docx_第8页

8/38页

26年WP通信工程基于无监督学习的通信网络入侵流量检测8.2-AI通过(18807字).docx_第9页

9/38页

26年WP通信工程基于无监督学习的通信网络入侵流量检测8.2-AI通过(18807字).docx_第10页

10/38页

在线预览已结束，请下载后查看完整版，加入VIP享文档下载特权

/38

文本预览下载提示常见问题

摘要伴随着互联网规模不断扩大以及网络攻击技术越来越多样化，传统的入侵检测技术有以下两个难题：基于规则匹配的误用检测不能发现新出现的攻击者行为，基于监督学习的学习异常模型需要大量的高质量标记样本，而在真实网络环境中很难得到这样充足的标记样本。无监督学习方法不需要数据标签，可以自动从大规模未标记的数据流里学习出正常的活动模式，对于捕捉未知攻击者的活动有着天然的优势，所以它是进行网络流量入侵检测的一个非常重要的研究热点之一。本文的研究是以无监督学习应用于通信网络流量入侵检测为背景开展的，主要针对于现有的高斯混合模型（GMM）存在特...

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.。
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