- 博客(20)
- 收藏
- 关注
RSS订阅原创 TrafficLLM：用通用流量表示增强网络流量分析的大型语言模型
摘要：基于机器学习的网络流量分析已被广泛用于威胁检测。不幸的是，它们在不同任务和未见数据之间的泛化非常有限。大型语言模型（llm）以其强大的泛化能力而闻名，在各个领域都显示出良好的性能。然而，由于网络流量的特征差异很大，它们在流量分析领域的应用受到限制。为了解决这个问题，本文提出了TrafficLLM，它引入了一个双阶段微调框架，从异构原始流量数据中学习通用流量表示。该框架利用流量域标记化、双阶段调优管道和可扩展自适应。
2025-11-15 11:07:45
883
原创 （TIFS2025）基于时序对比图学习的鲁棒网络入侵检测
在零信任安全模型和下一代网络（NGN）时代，主要的挑战是网络节点可能是不可信的，即使它们已经被验证，也需要持续的验证和审查。有效的入侵检测系统（IDS）对于持续监控网络流量和识别潜在威胁至关重要。然而，传统的入侵检测方法往往难以跟上不断变化的威胁，需要对标记数据集进行广泛的监督训练。这种限制导致误报率高，检测准确率低，无法提供实时检测，从而影响了ngn的安全性。本文提出了基于时间对比图神经网络（GNN）设计的首个基于自监督学习的入侵检测系统，即TCG-IDS。它创新地集成了。
2025-11-15 11:06:32
953
原创 NIPS2025-网络入侵检测中图表示的自监督学习
检测网络流量中的入侵是一项具有挑战性的任务，特别是在有限的监督和不断演变的攻击模式下。虽然最近的研究利用图神经网络进行网络入侵检测，但它们往往将表示学习与异常检测分离开来，限制了嵌入识别攻击的效用。我们提出了GraphIDS，这是一个自监督入侵检测模型，它通过一个掩码自编码器学习正常通信模式的局部图表示来统一这两个阶段。归纳图神经网络将每个流与其局部拓扑上下文嵌入以捕获典型的网络行为，而基于transformer的编码器/解码器重建这些嵌入，通过自关注隐式学习全局共现模式，而不需要明确的位置信息。
2025-10-28 18:33:22
727
5原创 【2022.11.4】有关Pytorch-GPU安装踩坑
Pytorch安装出问题的小伙伴看过来！根据本博客可以避过目前存在的坑，博客内给有相关参考教程，助你顺利安装Pytorch！
2022-11-04 21:03:36
1424
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人