典型文献
基于自注意力机制的无边界应用动作识别方法
文献摘要：
近年来,工业互联网获得了飞速的发展.但是和传统互联网一样,工业互联网也面临着大量的网络攻击威胁和敏感信息泄露风险.而流量识别技术,特别是细粒度的应用动作识别技术,可以辅助网络管理者对异常行为进行检测和及早发现隐私泄露风险,保障工业互联网的安全.然而,现有动作识别技术依赖对流量数据中动作边界的预先分割,无法识别无边界的动作,难以应用于实际场景.为解决这一问题,提出一种无边界动作识别算法:首先构建基于自注意力机制的包级识别模型,对数据包进行动作分类;然后提出动作聚合算法,从数据包的分类结果中聚合出动作序列;最后,建立2种新指标来衡量识别结果的好坏.为验证算法的可行性,以微信为实例进行实验,结果表明该模型能够取得最高超过90％的序列识别精度.这一研究成果将有望极大推动应用动作识别技术的实用化.
文献关键词：
工业互联网;流量分类;动作识别;深度学习;自注意力
中图分类号：
作者姓名：
王冲;魏子令;陈曙晖
作者机构：
国防科技大学计算机学院 长沙410003
文献出处：
引用格式：
[1]王冲;魏子令;陈曙晖-.基于自注意力机制的无边界应用动作识别方法)[J].计算机研究与发展,2022(05):1092-1104
A类：
B类：
自注意力机制,无边界,工业互联网,网络攻击,攻击威胁,敏感信息,信息泄露,泄露风险,流量识别,细粒度,动作识别技术,网络管理,异常行为,早发现,隐私泄露,技术依赖,流量数据,识别算法,识别模型,数据包,动作分类,出动,聚合算法,合出,动作序列,新指标,好坏,高超,序列识别,识别精度,实用化,流量分类
AB值：
0.349512
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
