Výsledky vyhledávání

Report

Learning from Limited Heterogeneous Training Data: Meta-Learning for Unsupervised Zero-Day Web Attack Detection across Web Domains

Autor: Li, Peiyang, Wang, Ye, Li, Qi, Liu, Zhuotao, Xu, Ke, Ren, Ju, Liu, Zhiying, Lin, Ruilin

Recently unsupervised machine learning based systems have been developed to detect zero-day Web attacks, which can effectively enhance existing Web Application Firewalls (WAFs). However, prior arts only consider detecting attacks on specific domains

Externí odkaz: http://arxiv.org/abs/2309.03660

Zobrazit plný text záznamu

Akademický článek

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Akademický článek

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Akademický článek

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Akademický článek

Prediction Models of ≥2 MeV Electron Daily Fluences for 3 Days at GEO Orbit Using a Long Short-Term Memory Network.

Autor: Sun, Xiaojing^1,2,3 (AUTHOR) sunxiaojing17@mails.ucas.ac.cn, Lin, Ruilin^1,3 (AUTHOR) linrl@nssc.ac.cn, Liu, Siqing^1,2,3 (AUTHOR), Luo, Bingxian^1,2,3 (AUTHOR), Shi, Liqin^1,2,3 (AUTHOR), Zhong, Qiuzhen^1,2,3 (AUTHOR), Luo, Xi⁴ (AUTHOR), Gong, Jiancun^3,5 (AUTHOR), Li, Ming^1,2,3 (AUTHOR)

Publikováno v: Remote Sensing. May2023, Vol. 15 Issue 10, p2538. 21p.