《表3 计算工况：基于字符级扩张卷积网络的Web攻击检测方法》
提示：宽带有限、当前游客访问压缩模式
实际测试效果如表3混淆矩阵所示，其中真代表攻击样本，假代表正常样本。
| 图表编号 | XD00198064300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.12.31 |
| 作者 | 范敏、胥小波、聂小明 |
| 绘制单位 | 中国电子科技网络信息安全有限公司网络监测预警事业部、中国电子科技网络信息安全有限公司网络监测预警事业部、中国电子科技网络信息安全有限公司网络监测预警事业部 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表6 阀门粘滞检测结果：基于全卷积网络的阀门粘滞检测方法》2021.02.25
- 《表3 计算工况：改进的基于BiLSTM的网络入侵检测方法》2020.07.16
- 《表4 指标定义及评分：基于字符级扩张卷积网络的Web攻击检测方法》2020.12.31
- 《表2 正交因素水平表：基于字符级扩张卷积网络的Web攻击检测方法》2020.12.31
- 《表3 仿真结果：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3 算法性能对比：基于定位置信度和区域全卷积网络的火焰检测方法》2020.10.25
- 《表3 不同方法的AP值：基于特征融合卷积神经网络的SAR图像目标检测方法》2020.04.01
- 《表3 网络模型权重对比：基于轻量化YOLOv3卷积神经网络的苹果检测方法》2020.08.25
- 《表2 检测耗时比较：基于全卷积网络的叠层薄片条纹检测方法》2020.08.18
- 《表5 鉴别器网络参数：基于扩张卷积的图像修复》2020.03.10
- 《表2 性能评价指标：全卷积神经网络的字符级文本分类方法》2020.03.01
- 《表3 性能指标：全卷积神经网络的字符级文本分类方法》2020.03.01
- 《表1 数据集说明：基于卷积神经网络的水表字符识别方法研究》2020.02.01
- 《表2 参数说明：基于卷积神经网络的水表字符识别方法研究》2020.02.01
- 《表2 攻击类型及其特点：基于DAPA的卷积神经网络Web异常流量检测方法》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1 数据类别转换：基于VGGNet卷积神经网络的加密芯片模板攻击新方法》2019.09.01
- 《表1 实验平台信息：基于级联卷积网络的紧固件异常检测》2019.05.01
- 《表1 卷积神经网络参数：基于跨连接卷积神经网络的绝缘子检测方法》2019.02.25