典型文献
基于计算似然比的分布外网络流量数据检测方法
文献摘要：
深度学习模型有时会将一些未知类别数据误分类为已知类别,这些未知类别数据定义为在某些领域的分布外数据,例如生物信息、 医疗保健、 自动驾驶和网络安全等,这样的误分行为将会导致严重的后果.对网络流量识别与分类技术以及分布外数据进行了简要介绍,提出了一种在测试样本中检测存在分布外数据的方法.根据分布外数据特点,通过训练并计算2个模型得到的结果的似然比判断分布外数据.在网络流量公开数据集Moore数据集和4个自采集数据集上进行了测试,该检测方法的识别精度可以达到92.3％.
文献关键词：
深度学习;分布外数据;机器学习;似然比
中图分类号：
作者姓名：
卓子寒;吕欣润;刘立坤;车佳臻;余翔湛;叶麟;张晓慧
作者机构：
国家计算机网络应急技术处理协调中心, 北京 100029;哈尔滨工业大学 计算学部 网络空间安全学院, 黑龙江 哈尔滨 150001
文献出处：
引用格式：
[1]卓子寒;吕欣润;刘立坤;车佳臻;余翔湛;叶麟;张晓慧-.基于计算似然比的分布外网络流量数据检测方法)[J].无线电工程,2022(08):1322-1329
A类：
分布外数据
B类：
似然比,外网,网络流量,流量数据,数据检测,深度学习模型,知类,别数,误分类,医疗保健,自动驾驶,分行,流量识别,识别与分类,分类技术,公开数据集,Moore,采集数据,识别精度
AB值：
0.321411
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
