一种基于卷积神经网络模型的蠕虫传播溯源方法.pdf
盼易****君a
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于卷积神经网络模型的蠕虫传播溯源方法.pdf
本发明提出了一种基于卷积神经网络模型的蠕虫传播溯源方法,包括:1、采集蠕虫传播图样本集,使用SI模型仿真蠕虫传播过程,获取不同节点作为源节点的蠕虫传播图样本集;2、分别在完全观测、快照观测和传感器观测情况下,将非欧式空间上的传播图样本以邻接图的方式转换为欧式空间上的二维矩阵;3、将传播图转换后的二维矩阵作为卷积神经网络模型(CNN)的输入,将传播图对应的源节点作为图的类标签输出,基于传播图样本集,采用梯度下降算法训练CNN;4、将未知传播源的传播图输入到训练好的卷积神经网络中,得到对其传播源节点的预测结果
一种基于卷积神经网络的模型稀疏方法.pdf
本申请提供一种基于卷积神经网络的模型稀疏方法。解决了提高稀疏模型精度的技术问题。模型稀疏方法包括:根据预训练模型的稀疏需求,设定稀疏比例s<base:Sub>l</base:Sub>;根据所述s<base:Sub>l</base:Sub>,稀疏所述预训练模型中每层的参数W<base:Sub>l</base:Sub>,得到稀疏模型;计算第一中间结果和第二中间结果的误差损失;其中,所述第一中间结果为所述预训练模型第1层的中间结果;所述第二中间结果为所述稀疏模型中第1层的中间结果;根据预设权重,对所述误差损失加
一种基于卷积神经网络的BERT模型的微调方法及系统.pdf
本发明公开了一种基于卷积神经网络的BERT模型的微调方法及系统,包括识别文本获取模块、文本识别模块、分词处理模块、词性词语模块、词语筛选模块、微调模块、词性向量模块、语句词性向量构建模块与电子设备模块,所述识别文本获取模块连接文本识别模块的位置,所述文本识别模块连接分词处理模块的位置,所述分词处理模块连接词性词语模块的位置,所述词性词语模块连接词语筛选模块的位置,所述词语筛选模块连接微调模块的位置,所述微调模块连接语句词性向量构建模块的位置。本发明所述的一种基于卷积神经网络的BERT模型的微调方法及系统,
一种基于模型微调的卷积神经网络通道剪枝方法.pdf
本发明涉及一种基于模型微调的卷积神经网络通道剪枝方法及系统,该方法包括:构造卷积神经网络分类模型,该模型由特征提取器和分类器两部分构成,特征提取器包括卷积层以及池化层,在ImageNet图像分类数据集上进行训练,得到预训练模型C;修改所述预训练模型C的分类器,将分类器全连接层输出的类别数设置为目标类别,并在目标数据集上进行稀疏性训练,得到收敛后的模型C′;将所述稀疏训练后的模型C′根据通道剪枝策略进行剪枝,得到剪枝后的模型C″;将所述剪枝后的模型C″在目标数据集上进行微调,以提高剪枝后模型的性能。本发明提
基于隔离策略的蠕虫传播模型研究.docx
基于隔离策略的蠕虫传播模型研究随着互联网和计算机技术的迅猛发展,网络安全问题备受关注。其中蠕虫是一种常见的网络威胁,其通过寻找漏洞和利用弱密码等方式在网络中快速传播,给网络安全带来了极大的威胁。因此,对于蠕虫传播行为的研究,可以帮助我们更好地预测和防范蠕虫的攻击。隔离策略是一种常见的防止蠕虫传播的方法,其核心思想是在网络中实行隔离,对网络进行分段防御,从而控制蠕虫的传播范围。不同于传统的防火墙和入侵检测系统等安全设备,隔离策略的优势在于其可以控制蠕虫攻击的规模和范围,从而在最短的时间内对蠕虫攻击做出反应。