《表2 实验结果：基于深度学习的Web注入行为实时检测技术研究》
提示：宽带有限、当前游客访问压缩模式
本文基于测试集进行测试，并且通过常用注入工具采集数据进行实时在线模拟。实验结果可看出，模型检测准确率较高，在模拟千兆网流量环境下，整个检测模块运行正常，如表2。
| 图表编号 | XD0077803400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.07.01 |
| 作者 | 邢光升、罗翰文 |
| 绘制单位 | 中国人民解放军国防科技大学、中国人民解放军国防科技大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 末端原因确认表：基于深度学习的实时车辆检测研究》2021.01.05
- 《表1 模型的参数设置：基于深度学习的MOOC作弊行为检测研究》2021.01.01
- 《表2 实验结果：基于深度学习的MOOC作弊行为检测研究》2021.01.01
- 《表2 实验检测结果：基于深度学习的图像检索技术的实现》2020.11.01
- 《表3 本文算法实验结果：基于深度学习的生猪饮水行为识别研究》2021.01.15
- 《表2 目标检测实验结果：基于深度学习的生猪饮水行为识别研究》2021.01.15
- 《表2 实验结果对比：基于深度学习的PCB缺陷检测研究》2021.03.15
- 《表2 模型训练正确率：基于深度学习的ELM实时识别研究》2020.12.15
- 《表2 单类零件检测性能：基于深度学习框架的装配机器人零件实时检测方法》2020.10.01
- 《表1 分类识别实验结果：基于深度学习的鱼类识别与检测的算法研究》2020.08.10
- 《表4 相关参数值：SQL注入行为实时在线智能检测技术研究》2020.08.25
- 《表2 脚本示例：SQL注入行为实时在线智能检测技术研究》2020.08.25
- 《表5 视频的总体一致性：基于深度学习的实验鼠行为识别关键技术研究》2020.03.01
- 《表4 各种行为的召回率：基于深度学习的实验鼠行为识别关键技术研究》2020.03.01
- 《表3 视频数据集参数：基于深度学习的实验鼠行为识别关键技术研究》2020.03.01
- 《表1 测试结果：基于CNN深度学习模型的大学生课堂行为检测研究》2020.02.01
- 《表3 对比实验结果：基于半监督学习的Web安全事件检测模型》2019.04.01
- 《表2 模型训练结果：基于深度学习的Web信息抽取模型研究与应用》2019.09.01
- 《表1 标签列表：基于深度学习的Web信息抽取模型研究与应用》2019.09.01
- 《表1 实验数据明细：基于深度学习的窃电行为检测方法》2019.02.25