《表1 宽带恶意流量属性表》
提示：宽带有限、当前游客访问压缩模式
对于宽带流量，记录流量关键信息包括流量id、流量名、存储路径、流量类型等，并放入宽带流量库中，流量关键属性如表1所示．
| 图表编号 | XD0079886000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.01 |
| 作者 | 温晗、刘渊、王晓锋、叶海洋 |
| 绘制单位 | 江南大学数字媒体学院、江南大学数字媒体学院、江南大学物联网工程学院、江南大学物联网工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 生成的流规则：基于链路监控的SDN恶意流量检测与防御》2020.02.01
- 《表2 中间规则组成：基于链路监控的SDN恶意流量检测与防御》2020.02.01
- 《表3 测试结果：基于链路监控的SDN恶意流量检测与防御》2020.02.01
- 《表1 不同试件主要参数：基于改进递归残差网络的恶意流量分类算法》2020.12.31
- 《表9 All＿file：基于深度学习的工业恶意流量检测》2019.12.01
- 《表2 实验数据：基于深度学习的工业恶意流量检测》2019.12.01
- 《表1 原始数据：基于深度学习的工业恶意流量检测》2019.12.01
- 《表4 实验结果：基于异常加密流量标注的Android恶意进程识别方法研究》2020.07.10
- 《表2 实验数据配置：基于样本增强的网络恶意流量智能检测方法》2020.06.25
- 《表4 决策树算法准确率：基于决策树的端口扫描恶意流量检测研究》2020.08.10
- 《表3 提取后的特征列表：基于决策树的端口扫描恶意流量检测研究》2020.08.10
- 《表2 分类结果对比：基于属性数据流图的恶意代码家族分类》2020.03.05
- 《表1 实验数据集：基于属性数据流图的恶意代码家族分类》2020.03.05
- 《表1 TLS特征：基于机器学习的TLS恶意加密流量检测方案》2020.02.15
- 《表2 基于卷积神经网络的恶意流量分类测试结果》2020.02.10
- 《表1 恶意流量分类CNN结构及参数设置》2020.02.10
- 《表3 200M宽带用户流量预测模型》2019.09.10
- 《表2 窄带流量属性表：面向天地一体化信息网络的恶意用户行为仿真技术》2019.08.01
- 《表1 宽带远程接入服务器基本属性》2018.07.20
- 《表2 用户宽带分配情况：数字化校园网络流量分析与控制策略研究》2019.11.01