# Machine Learning for NetFlow Anomaly Detection With Human-Readable Annotations #
Machine Learning for NetFlow Anomaly Detection With Human-Readable Annotations
關鍵摘要
我們開發了一個複雜企業網路中的異常檢測分析框架,既能提供與最先進的分類技術(如深度神經網路)相當的高精度,又能對決策邏輯進行人類可讀的解釋。由於決策表面對於高維資料可能是複雜的,所以提出的方法尋求為標記為異常的每個資料點生成上下文註釋。因此,給定一個異常檢測,分析師可以查詢該資料點的註釋。
- 一個自動提取 NetFlow 資料中人類可讀註釋的通用框架(例如,將資料點標記為對應於不同異常型別的上下文解釋) ,用於異常檢測資料的自動提取。
- 一種利用時空聚合和動態圖技術構造人類可理解的網路活動描述符的特徵增強方法。
- 一種基於遺傳演算法的方法,用於識別與每種異常型別最相關的特徵,從而降低選擇用於異常檢測的人類可讀註釋中的特徵集。
- 一個一般的機器學習模型,以經驗學習句子的組合,人類可解釋的不等式之間學習的特徵子集。
- 一個真實資料集的實驗研究。
相關推薦
# Machine Learning for NetFlow Anomaly Detection With Human-Readable Annotations #
Machine Learning for NetFlow Anomaly Detection With Human-Readable Annotations 關鍵摘要 我們開發了一個複雜企業網路中的異常檢測分析框架,既能提供與最先進的分類技術(如深度神經網路)相當的高精度,又能對決
paper1—Machine Learning Approach for Ship Detection using Remotely Sensed Images
1、Tensor Flow Tensor Flow is a programming system developed by Google which represents computations as graphs. Computation Graph is first constructed to train the neural network and then exe
文獻復現 | Machine Learning on Human Muscle Transcriptomic Data for Biomarker Discovery and Tissue-Specific Drug Target Identification
原始論文:Machine Learning on Human Muscle Transcriptomic Data for Biomarker Discovery and Tissue-Specific Drug Target Identification
Math for Programmers, 3D graphics, machine learning, and simulations with Python
Math for Programmers, 3D graphics, machine learning, and simulations with Python, Version 10, Copyright 2020 Manning Publications
[Machine Learning] Octave Control Statements, for while if
For: v = zeros(10, 1); for i=1:10, v(i) = 2^i; end; # the same as indices=1:10 for i=indices, disp(i) end; while & if & break:
HypoML: Visual Analysis for Hypothesis-based Evaluation of Machine Learning Models
論文傳送門 作者 香港科技大學 Qianwen WangHuamin Qu 牛津大學 William AlexanderJack PeggMin Chen
ml-6-1-應用機器學習的建議Advice for Applying Machine Learning
應用機器學習的建議Advice for Applying Machine Learning Deciding What to Try Next 具體來講,我將重點關注的問題是假如你在開發一個機器學習系統,或者想試著改進一個機器學習系統的效能,你應如何決定
論文閱讀筆記《Deep Active Learning for Civil Infrastructure Defect Detection and Classification》
小樣本學習&元學習經典論文整理||持續更新 核心思想 本文提出一種基於主動學習的民用設施缺陷檢測方法,其思路主要是考慮到在樣本較少的情況下,訓練得到的網路可能不能很好的對各種型別的缺陷都進
Machine-Learning–Based Column Selection for Column Generation
論文閱讀筆記,個人理解,如有錯誤請指正,感激不盡!僅是對文章進行梳理,細節請閱讀參考文獻。該文分類到Machine learning alongside optimization algorithms。
《Cloze Test Helps: Effective Video Anomaly Detection via Learning to Complete Video Events》論文筆記
0. 摘要 視訊異常檢測(VAD)作為視訊內容解釋的重要課題,通過深度神經網路(DNN)取得了豐碩的進展。然而,現有的方法通常遵循重建或幀預測程式。他們主要存在兩大問題:
自監督- Multi-Stage Self-Supervised Learning for Graph Convolutional Networks on Graphs with Few Labeled Nodes
標籤: 自監督、 圖神經 動機 首先, 由於很難改變 GCNs 固有的淺層結構, 如何設計一種基於 GCNs 的一致高效的訓練演算法來提高其在標籤節點較少的圖上的泛化效能?
HRNetv1: Deep High-Resolution Representation Learning for Human Pose Estimation [1902.09212v1] - 論文研讀系列(5) 個人筆記
HRNet:Deep High-Resolution Representation Learning for Human Pose Estimation[1902.09212v1] 論文題目:Deep High-Resolution Representation Learning for Human Pose Estimation
Systems for Personalization of Hearing Instruments A Machine Learning Approach
論文翻譯: 總結: 第一章主要關注概率建模框架,其中使用高斯過程對使用者未觀察到的內部響應函式建模。在這種情況下,解決的第一個主要挑戰是考慮受到嘈雜噪聲不一致的使用者反饋。
malware detection and machine learning(EMBER)
EMBER https://github.com/elastic/ember\\ paper:https://arxiv.org/abs/1804.04637 特徵 9個特徵組,可以分為兩大部分
Elasticsearch Machine Learning AIOps 實踐
專案背景 公司內部封裝了NLP通用演演算法的GRPC服務,比如文字情感識別、文字分類、實體識別等, 提供給大資料等其他部門實時呼叫。
深度學習論文翻譯解析(八):Rich feature hierarchies for accurate object detection and semantic segmentation
論文標題:Rich feature hierarchies for accurate object detection and semantic segmentation 標題翻譯:豐富的特徵層次結構,可實現準確的目標檢測和語義分割
kubernetes:關於建立pod中結點始終處於creating狀態的問題解決(Error syncing pod, skipping: failed to "StartContainer" for "POD" with ErrImagePull: "image pull failed for registry.access.redhat.com
通過以下程式碼獲得certificates,注意,必須對於master結點和兩個node結點機器上都需要獲取
machine learning學習之邏輯迴歸解決多分類問題&神經網路前向傳播
寫在前面: 此次作業是使用兩種方式來識別手寫數字,順序為邏輯迴歸、神經網路前向傳播(帶已經訓練好的引數)
[Machine Learning] Octave Basic Operations
You can do baisc math: 5+6 32-8 1/2 2^3 1 == 2 % ans = 0 means false 1 ~=1 % 1 not equals to 2. ans = 1 means true
[Machine Learning] Octave Moving data around
Load data: load featuresX.dat who: Check how many variables in your current session: who whos: details about variables: