《表5 评价结果：基于网络流量和数据包的CBTC入侵检测系统》
提示：宽带有限、当前游客访问压缩模式
通过计算评价指标，评估了本文提出的IDS的检测性能和实时性能，并与传统DBScan方法和单个检测模块比较，以证明IDS的检测性能和实时性能有所提高，评价结果见表5。
| 图表编号 | XD00142513000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.01 |
| 作者 | 陈雪倩、步兵 |
| 绘制单位 | 北京交通大学轨道交通控制与安全国家重点实验室、北京交通大学轨道交通控制与安全国家重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 数据集介绍：MSE＿BLS:一种基于宽度学习系统的异常流量检测方法》2020.04.01
- 《表2 攻击/正常流量：基于神经网络的大数据云平台DDoS攻击检测方法研究》2020.12.15
- 《表1：实验结果：基于卷积神经网络的计算机网络流量异常检测》2020.12.01
- 《表2 实验数据配置：基于样本增强的网络恶意流量智能检测方法》2020.06.25
- 《表3 数据集组成表：基于流量时空特征的fast-flux僵尸网络检测方法》2020.08.01
- 《表3 训练集和测试集：基于网络流量和数据包的CBTC入侵检测系统》2019.12.01
- 《表4 最佳参数值：基于网络流量和数据包的CBTC入侵检测系统》2019.12.01
- 《表2 数据包特征：基于网络流量和数据包的CBTC入侵检测系统》2019.12.01
- 《表1 流量特征：基于网络流量和数据包的CBTC入侵检测系统》2019.12.01
- 《表5 混淆矩阵：一种数据增强与混合神经网络的异常流量检测》2020.04.01
- 《表5 混淆矩阵：基于数据增强和模型更新的异常流量检测技术》2020.02.10
- 《表3 实验结果：基于DAPA的卷积神经网络Web异常流量检测方法》2020.02.10
- 《表3 评价指标净流量表：基于复杂网络和偏好顺序结构评估法的产品服务系统设计方案评价》2019.09.01
- 《表6 专家评价结果：基于复杂网络和偏好顺序结构评估法的产品服务系统设计方案评价》2019.09.01
- 《表2 实验结果对比：基于深度神经网络的异常流量检测算法》2019.06.10
- 《表1 数据集比较：基于深度神经网络的异常流量检测算法》2019.06.10
- 《表1 协议类型特征：基于流量特征指纹的工控系统网络入侵检测》2019.07.15
- 《表5 动态测试数据：地铁乘客信息系统蓝牙信号对地铁CBTC信号系统的影响》2019.02.01
- 《表1 数据包的性能需求：基于雷达组网远程监控系统设计与实现窥探》2019.11.30
- 《表分类结果：数据平面和控制平面相分离的网络入侵检测系统》2018.12.15