ARTIFICIAL NEURAL NETWORKS FOR ABNORMAL WEB-TRAFFIC DETECTION.

А.Ю. Галкова

Результат исследований: Материалы конференцийтезисы

Аннотация

В работе была использована архитектура автоэнкодера с LSTM-слоями для детектирования аномальных запросов в веб-трафике. Использовалось два набора данных: набор HTTP-запросов и набор URL. В качестве тренировочных данных были использованы нормальные данные, тестирование же проводилось на аномалиях. Имплементированные модели научились определять аномальные данные с точностью 0,93 (для HTTP) и 0,99 (для URL) и полнотой 0,99 (для HTTP) и 1 (для URL).
Язык оригиналаанглийский
Страницы78-79
СостояниеОпубликовано - 2020
Опубликовано для внешнего пользованияДа

Ключевые слова

  • anomaly detection
  • lstm
  • LSTM autoencoder
  • web-attack detection
  • автоэнкодер
  • веб-атаки
  • обнаружение аномалий

Fingerprint

Подробные сведения о темах исследования «ARTIFICIAL NEURAL NETWORKS FOR ABNORMAL WEB-TRAFFIC DETECTION.». Вместе они формируют уникальный семантический отпечаток (fingerprint).

Цитировать