《表3 各损失函数在WAF真实数据集的结果》
本文在训练过程中使用了三个损失函数对模型进行联合优化学习,使得不同尺度但相同类别的HTTP请求的向量表示更加接近。本节进一步评测和分析各个损失函数对模型性能的影响,构造了本文方法的变体V1(不使用多尺度不变损失L1)、V2(不使用公共空间损失L2)及V3(使用全部损失函数)。它们在WAF数据集上的表现如表3所示。可以观察到,当使用全部三个损失函数时取得最好的性能,这意味着它们都对最终的检测结果有贡献。V3各个指标都领先V1,证明多尺度不变性损失L1能够有效消除不同尺度特征间的差异。V2稍差于V3,证明公共空间损失L2对于融合多尺度语义特征的重要性。以上结果和分析表明,这三个损失函数对于融合不同尺度HTTP请求的向量表示,提高分类性能确实有效。
图表编号 | XD00202155400 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.05 |
作者 | 巫家宏、杨振国、刘文印 |
绘制单位 | 广东工业大学计算机学院、广东工业大学计算机学院、广东工业大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |