《表5 测试集检测结果：基于RNN的Webshell检测研究》
提示：宽带有限、当前游客访问压缩模式
针对测试集中的未知样本，Webshell样本113个，正常样本887个，4种算法的具体检测情况见表5。
| 图表编号 | XD00163031800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.07.15 |
| 作者 | 周龙、王晨、史崯 |
| 绘制单位 | 武汉邮电科学研究院、南京烽火软件科技股份有限公司、南京烽火软件科技股份有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 jsp＿webshell检测模型的实验结果》2020.10.10
- 《表2 验证集检测结果：基于轻量深度学习网络的机房人物检测研究》2021.02.15
- 《表1 验证集检测结果：基于轻量深度学习网络的机房人物检测研究》2021.02.15
- 《表5 算法测试结果：基于改进循环神经网络的窃电行为检测方法研究》2021.01.20
- 《表1 关键词示例：基于RNN的Webshell检测研究》2020.07.15
- 《表4 测试集详细结果：基于深度残差全卷积网络的Landsat 8遥感影像云检测方法》2020.05.25
- 《表3 测试集结果：基于FPGA的快速樱桃缺陷检测与识别系统设计》2020.08.01
- 《表5 数据集3检测结果：基于深度序列加权核极限学习的入侵检测算法》2020.03.01
- 《表2 图像集测试结果：变电站地面道路裂纹检测算法和应用研究》2019.10.25
- 《表2 测试集识别结果：基于机器视觉的荞麦剥壳性能参数在线检测方法》2019.10.25
- 《表5 假阳性结果比较：基于NSL-KDD数据集的物联网入侵检测特征选择方法研究》2019.09.25
- 《表5 数据集总结：基于特征工程的信用卡欺诈检测策略研究》2019.08.01
- 《表3 数据集测试结果：基于低空无人机影像和YOLOv3实现棉田杂草检测》2019.02.01
- 《表2 数据集测试结果：基于低空无人机影像和YOLOv3实现棉田杂草检测》2019.02.01
- 《表5 测试集缺陷检测结果》2019.08.01
- 《表5 测试集缺陷检测结果》2019.08.01
- 《表2 测试集上的结果：基于PointNet++的室外场景三维点云多目标检测方法》2019.08.01
- 《表2 实验结果：基于语义分析和神经网络的WebShell检测方法》2019.02.25
- 《表2 测试集预测结果：基于ν-SVR的纸基纳米金检测Cr~(6+)的浓度识别》2018.12.20
- 《表5 自建单人脸测试集的检测结果》2019.11.20