《表2 模型检测特征：基于SVM的ICMP网络存储隐蔽信道检测》
提示：宽带有限、当前游客访问压缩模式
上述特征都是从数据包获得，通过对其具体分析与处理，进行分类和组合，我们从以上特征中提取出12个具体特征作为分类器的输入向量，来对ICMP隐蔽通道进行检测，如表2所示：
| 图表编号 | XD00124884600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.05 |
| 作者 | 李抒霞、周安民、郑荣锋、胡星高 |
| 绘制单位 | 四川大学网络空间安全学院、四川大学电子信息学院、四川大学电子信息学院、四川大学电子信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 HUCC传输速率：基于HTTP协议组合的隐蔽信道构建方法研究》2020.06.10
- 《表6 传输速率：基于HTTP协议组合的隐蔽信道构建方法研究》2020.06.10
- 《表2 实验结果：基于词向量的SVM集成学习社交网络抑郁倾向检测方法》2020.02.10
- 《表1 训练数据：基于词向量的SVM集成学习社交网络抑郁倾向检测方法》2020.02.10
- 《表1 近5年关键存储隐蔽信道总结》2020.01.01
- 《表3 分类器效果对比：基于模糊SVM模型的入侵检测分类算法》2020.02.01
- 《表8 隐蔽通道检测性能：基于SVM的ICMP网络存储隐蔽信道检测》2020.02.05
- 《表3 混淆矩阵：基于SVM的ICMP网络存储隐蔽信道检测》2020.02.05
- 《表1 人体姿态特征模型：基于BP神经网络的体育视频关键姿态检测》2019.12.20
- 《表2 形状特征参数：基于PSO-SVM的管道小泄漏检测》2019.08.20
- 《表1 时域特征参数：基于PSO-SVM的管道小泄漏检测》2019.08.20
- 《表3 分类器模型比较：基于请求域名的DNS隐蔽通道检测方法研究》2019.08.10
- 《表2 特征总结：基于请求域名的DNS隐蔽通道检测方法研究》2019.08.10
- 《表2 仿真实验样本数量：基于特征优化的网络入侵检测模型设计》2019.10.01
- 《表1 原始网络特征描述：基于特征优化的网络入侵检测模型设计》2019.10.01
- 《表1 特征选择比较：基于语言模型及循环卷积神经网络的事件检测》2019.05.28
- 《表2 形状特征参数值：基于多特征的SVM多分类PCB焊点缺陷检测方法》2019.06.25
- 《表1 SVM训练结果：基于DCNN特征的建筑物震害损毁区域检测》2019.06.01
- 《表1 特征向量：基于高斯尺度空间和SVM的桥梁裂缝检测研究》2019.02.15
- 《表1 特征向量：基于高斯尺度空间和SVM的桥梁裂缝检测研究》2019.02.15