...
机译:关于建模多态shellcode的不可行性:重新考虑学习在入侵检测系统中的作用
Department of Computer Science, Columbia University, New York, NY 10027, USA;
rnDepartment of Computer Science, George Mason University, Fairfax, VA 22030, USA;
rnDepartment of Computer Science, George Mason University, Fairfax, VA 22030, USA;
rnDepartment of Computer Science, Columbia University, New York, NY 10027, USA;
rnDepartment of Computer Science, Columbia University, New York, NY 10027, USA;
shellcode; polymorphism; metrics; blending;
机译:信任入侵检测系统:对机器学习和深层学习模型进行性能分析的调查
机译:网络入侵检测系统机器学习与深层学习模型的比较
机译:主要成分分析和深层学习模型的入侵检测系统中的经验模型
机译:机器学习在入侵检测系统中的作用:综述
机译:用于网络入侵检测和入侵防御系统的机器学习方法
机译:基于SEAT学习方法的IOT服务器的顺序模型入侵检测系统
机译:关于建模多态Shellcode进行签名检测的不可行性