Báo cáo tài liệu vi phạm
Giới thiệu
Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Sức khỏe - Y tế
Văn bản luật
Nông Lâm Ngư
Kỹ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
THỊ TRƯỜNG NGÀNH HÀNG
NÔNG NGHIỆP, THỰC PHẨM
Gạo
Rau hoa quả
Nông sản khác
Sữa và sản phẩm
Thịt và sản phẩm
Dầu thực vật
Thủy sản
Thức ăn chăn nuôi, vật tư nông nghiệp
CÔNG NGHIỆP
Dệt may
Dược phẩm, Thiết bị y tế
Máy móc, thiết bị, phụ tùng
Nhựa - Hóa chất
Phân bón
Sản phẩm gỗ, Hàng thủ công mỹ nghệ
Sắt, thép
Ô tô và linh kiện
Xăng dầu
DỊCH VỤ
Logistics
Tài chính-Ngân hàng
NGHIÊN CỨU THỊ TRƯỜNG
Hoa Kỳ
Nhật Bản
Trung Quốc
Hàn Quốc
Châu Âu
ASEAN
BẢN TIN
Bản tin Thị trường hàng ngày
Bản tin Thị trường và dự báo tháng
Bản tin Thị trường giá cả vật tư
Tìm
Danh mục
Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Y tế sức khỏe
Văn bản luật
Nông lâm ngư
Kĩ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
NGÀNH HÀNG
NÔNG NGHIỆP, THỰC PHẨM
Gạo
Rau hoa quả
Nông sản khác
Sữa và sản phẩm
Thịt và sản phẩm
Dầu thực vật
Thủy sản
Thức ăn chăn nuôi, vật tư nông nghiệp
CÔNG NGHIỆP
Dệt may
Dược phẩm, Thiết bị y tế
Máy móc, thiết bị, phụ tùng
Nhựa - Hóa chất
Phân bón
Sản phẩm gỗ, Hàng thủ công mỹ nghệ
Sắt, thép
Ô tô và linh kiện
Xăng dầu
DỊCH VỤ
Logistics
Tài chính-Ngân hàng
NGHIÊN CỨU THỊ TRƯỜNG
Hoa Kỳ
Nhật Bản
Trung Quốc
Hàn Quốc
Châu Âu
ASEAN
BẢN TIN
Bản tin Thị trường hàng ngày
Bản tin Thị trường và dự báo tháng
Bản tin Thị trường giá cả vật tư
Thông tin
Tài liệu Xanh là gì
Điều khoản sử dụng
Chính sách bảo mật
0
Trang chủ
Văn Bản Luật
Công nghệ thông tin
Luận án Tiến sĩ Kỹ thuật: Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu
Đang chuẩn bị liên kết để tải về tài liệu:
Luận án Tiến sĩ Kỹ thuật: Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu
Hoàng Lan
163
146
pdf
Không đóng trình duyệt đến khi xuất hiện nút TẢI XUỐNG
Tải xuống
Luận án hướng tới mục tiêu nghiên cứu cải tiến phương pháp phát hiện bất thường mạng theo hướng giải quyết một số vấn đề đặt ra trên. Kết quả một số nội dung chính đã được thực hiện gồm. (i) Đã đề xuất được giải pháp cho cải tiến một số hạn chế của phương pháp học sâu NAD tiêu biểu, các thuật toán cải tiến cho phép xây dựng mô hình NAD hiệu quả hơn trong điều kiện dữ liệu của đối tượng quan sát có tính phân cụm cao. Mời các bạn tham khảo! | HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG BÙI CÔNG THÀNH PHÁT TRIỂN MỘT SỐ MÔ HÌNH PHÁT HIỆN BẤT THƯỜNG MẠNG DỰA TRÊN HỌC SÂU VÀ TỔNG HỢP DỮ LIỆU LUẬN ÁN TIẾN SĨ KỸ THUẬT HÀ NỘI 2021 HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG BÙI CÔNG THÀNH PHÁT TRIỂN MỘT SỐ MÔ HÌNH PHÁT HIỆN BẤT THƯỜNG MẠNG DỰA TRÊN HỌC SÂU VÀ TỔNG HỢP DỮ LIỆU CHUYÊN NGÀNH HỆ THỐNG THÔNG TIN MÃ SỐ 9.48.01.04 LUẬN ÁN TIẾN SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC 1. PGS.TS. HOÀNG MINH 2. PGS. TS. NGUYỄN QUANG UY HÀ NỘI 2021 i TÓM TẮT Sự phát triển nhanh của mạng máy tính và IoT sau đây gọi là mạng cả về dịch vụ và hạ tầng đã kéo theo những thách thức rất lớn trong vấn đề bảo đảm an ninh mạng. Tìm kiếm giải pháp phát hiện các tấn công mạng là nhiệm vụ trọng tâm cho bảo vệ an ninh mạng trong đó phát hiện bất thường mạng Network Anomaly Detection -NAD được rất nhiều các học giả quan tâm nghiên cứu trong những năm qua. NAD là lĩnh vực nghiên cứu để tìm ra các giải pháp hiệu quả trong phân tách giữa trạng thái bình thường và bất thường mạng. Học máy được biết như phương pháp chủ yếu cho xây dựng các thuật toán phát hiện bất thường. Các mô hình học máy được huấn luyện chỉ với dữ liệu bình thường hay còn gọi là các bộ phân đơn lớp One-class Classification - OCC được cho là sự lựa chọn phù hợp và đang cho thấy các kết quả phát hiện bất thường rất hiệu quả. Những năm gần đây phát triển các kỹ thuật học sâu deep learning đã mạng lại nhiều thành tựu trong các lĩnh vực học sâu dựa trên kiến trúc AutoEncoders AE được công nhận rộng rãi là phương pháp tiên tiến có khả năng giải quyết các vấn đề phức tạp của phát hiện bất thường mạng tiêu biểu trong đó là SAE Shrink AutoEncoder . Mặc dù vậy các phương pháp NAD cần phải liên tục được nghiên cứu cải tiến để có thể đáp ứng tốt hơn khi mà các nguy cơ đe doạ an ninh mạng ngày càng tăng. Thêm vào đó các phương pháp NAD đơn lẻ dựa trên OCC nhìn chung đang phải đối mặt với một số thách thức khác như mỗi phương pháp đơn được cho là chỉ hiệu quả trên một điều kiện môi trường mạng cụ thể các
TÀI LIỆU LIÊN QUAN
Tóm tắt Luận án Tiến sĩ Nông nghiệp: Nghiên cứu một số biện pháp kỹ thuật phát triển hoa cúc tại thành phố Thái Nguyên
Luận án Tiến sĩ Nông nghiệp: Nghiên cứu một số biện pháp kỹ thuật phát triển hoa cúc tại thành phố Thái Nguyên
Tớm tắt Luận án Tiến sĩ Kỹ thuật: Nghiên cứu phát triển một số lược đồ chữ ký số mù, chữ ký số tập thể mù dựa trên các chuẩn chữ ký số
Luận án Tiến sĩ Kỹ thuật: Nghiên cứu phát triển một số lược đồ chữ ký số mù, chữ ký số tập thể mù dựa trên các chuẩn chữ ký số
Luận án Tiến sĩ Kỹ thuật điều khiển và tự động hóa: Nghiên cứu phát triển một số thuật toán điều khiển Robot công nghiệp có nhiều tham số bất định
Tóm tắt Luận án Tiến sĩ Nông nghiệp: Nghiên cứu khả năng sinh trưởng, phát triển của một số giống khoai môn và biện pháp kỹ thuật cho giống có triển vọng tại tỉnh Yên Bái
Luận án Tiến sĩ Toán học: Nghiên cứu phát triển một số kỹ thuật hỗ trợ phát hiện đạo văn và ứng dụng cho văn bản tiếng Việt
Tớm tắt Luận án Tiến sĩ Kỹ thuật: Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu
Tóm tắt luận án Tiến sĩ Kỹ thuật điện, điện tử viễn thông: Nghiên cứu phát triển một số thuật toán điều khiển Robot công nghiệp có nhiều tham số bất định
Luận án Tiến sĩ Nông nghiệp: Nghiên cứu một số biện pháp kỹ thuật phát triển cây cao su ở các tỉnh miền núi phía Bắc
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.