《表1 文本向量化示例:基于机器学习的恶意命令检测方法》
通过对SEA数据集进行清洗、提取、计数、筛选等操作,共获得有意义的命令857种,出现频率排在前十位的有sh、cat、netscape、generic、ls、popper、sendmail、date、rm、sed。表1展示了该方法示例。
图表编号 | XD00196906800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.10 |
作者 | 左自清、施勇、薛质 |
绘制单位 | 上海交通大学、上海交通大学、上海交通大学 |
更多格式 | 高清、无水印(增值服务) |
通过对SEA数据集进行清洗、提取、计数、筛选等操作,共获得有意义的命令857种,出现频率排在前十位的有sh、cat、netscape、generic、ls、popper、sendmail、date、rm、sed。表1展示了该方法示例。
图表编号 | XD00196906800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.10 |
作者 | 左自清、施勇、薛质 |
绘制单位 | 上海交通大学、上海交通大学、上海交通大学 |
更多格式 | 高清、无水印(增值服务) |