qq_51580006的博客

在自然语言处理任务方面，依据语料的长度分为词汇句子和篇章三层面，每一层面又有若干具体任务。在词汇层面，有命名实体识别、中文分词、词性标注、关系抽取等任务；在句子层面，有智能问答、机器翻译、文本匹配和文本纠错等任务；在篇章层面，有文本分类、文本生成、机器阅读、信息过滤与信息推荐等任务。本文从传统自然语言处理模型和神经网络自然语言处理模型两方面着手，分别介绍相应模型及模型特点、优缺点等相关特性；

为了解决这一挑战，文章提出了一种新的LLM-Agent框架，通过自然语言交互实现Agent的自动生成、定制和编排，使Agent的开发更加民主化，使强大的Agent技术能够为用户所用，而不管他们的技术背景如何。这一切都是基于框架的当前状态完成的，包括可用的工具、代理和工作流。这种设计选择，其中包括专门的代理网络、编码和文件管理任务，以及协调代理分解和委托用户请求，使Agentic System Utilities作为一个通用的和可扩展的基础，可以适应广泛的用户需求，促进定制的、代理驱动的解决方案的快速开发。

不同于大多数现有的使用预定义规则的多代理系统框架（例如，让每个代理顺序动作）来控制代理动作的顺序，Agents包括一个控制器功能，它通过考虑先前的动作、环境和当前状态的目标，使用LLM动态地决定哪个代理将执行下一个动作。尽管一些近期的demos，如AutoGPT和BabyAGI已经展示了语言代理的潜力，但它们中的大多数对于自定义、调整和部署新代理并不友好，即使对于有经验的开发人员或研究人员也是如此。这种设计允许灵活的人与代理的交互，在单代理和多代理系统，允许人类用户采取的一个或多个语言代理的角色。

所作贡献：1.提出了一种基于CNN和GRU网络的时空融合网络异常流量检测模型。该模型能够利用CNN网络提取流量数据包的空间特征，GRU网络提取流量数据包的时序特征，同时结合时空两种特征以增强流量数据的表达能力。2.提出了一种基于自注意力机制和自编码器的改进网络异常流量检测模型。注意力机制负责提升模型对于重要信息的关注程度，而自编码器则通过在不同的维度上进行特征压缩来进一步挖掘数据中的潜在信息。CICIDS-2017数据集是一个常用于网络安全评估的数据集，由加拿大网络安全研究所提供。

摘录自：Mingfang ZHAI,Xingming ZHANG,Bo ZHAO. Survey of encrypted malicious traffic detection based on deep learning[J]. Chinese Journal of Network and Information Security, 2020, 6(3): 66-77.