典型文献
基于半监督深度学习的木马流量检测方法
文献摘要：
针对木马流量检测技术存在人工提取特征不够准确、大量标记样本获取困难、无标记样本没有充分利用、模型对于未知样本识别率较低等问题,提出基于半监督深度学习的木马流量检测方法,利用大量未标记网络流量用于模型训练.首先,采用基于mean teacher模型的检测方法提高检测准确率;然后,为解决mean teacher模型中采用随机噪声导致模型泛化能力不足的问题,提出基于虚拟对抗mean teacher模型的检测方法;最后,通过实验验证所提半监督深度学习检测方法在少标记样本下的二分类、多分类以及未知样本检测任务中具有更高的准确率.此外,基于虚拟对抗mean teacher模型的检测方法在多分类任务中比原始mean teacher模型表现出更强的泛化性能.
文献关键词：
木马流量检测;深度学习;半监督模型;mean teacher;虚拟对抗训练
中图分类号：
作者姓名：
谷勇浩;黄博琪;王继刚;田甜;刘焱;吴月升
作者机构：
北京邮电大学计算机学院 北京 100876;智能通信软件与多媒体北京市重点实验室(北京邮电大学) 北京 100876;广东省信息安全技术重点实验室(中山大学) 广州 510275;中兴通讯股份有限公司 南京 210012;百度在线网络技术(北京)有限公司 北京 100080
文献出处：
引用格式：
[1]谷勇浩;黄博琪;王继刚;田甜;刘焱;吴月升-.基于半监督深度学习的木马流量检测方法)[J].计算机研究与发展,2022(06):1329-1342
A类：
木马流量检测
B类：
半监督深度学习,技术存在,提取特征,标记样本,无标记,未知样本,识别率,网络流量,模型训练,mean,teacher,高检,检测准确率,随机噪声,声导,模型泛化,泛化能力,二分类,多分类,分类任务,中比,泛化性能,半监督模型,虚拟对抗训练
AB值：
0.27803
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。
