钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
工业技术期刊
\
自动化技术与计算机技术期刊
\
网络与信息安全学报期刊
\
智能检测WebShell的机器学习算法
智能检测WebShell的机器学习算法
作者:
卢新岱
孙歆
戴桦
李景
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取
WebShell检测
矩阵分解
特征训练
摘要:
WebShell是网络入侵的常用工具,具有威害性大、隐蔽性好等特点.目前的检测手段较简单,容易被绕过,难以对付复杂灵活的WebShell.针对这些问题,提出一种智能检测WebShell的机器学习算法,通过对已知存在WebShell和不存在WebShell的页面进行特征学习,完成对未知页面的预测,灵活性、适应性较好.实验证明,相比传统的WebShell检测方法,该算法的检测效率、正确率更高,同时也能以一定概率检测出新型的WebShell.
暂无资源
收藏
引用
分享
推荐文章
采用随机森林改进算法的WebShell检测方法
WebShell检测
随机森林
特征划分
Fisher准则
基于机器学习算法的网络入侵检测
网络安全
入侵行为
机器学习算法
入侵检测
分类器
检测误差
基于BPTT算法的webshell检测研究
webshell
截断反向传播
web安全
深度学习
基于机器学习算法的Android恶意程序检测系统
随机森林
恶意代码检测
多类特征
安卓应用
机器学习
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
内容分析
关键词云
关键词热度
相关文献总数
(/次)
(/年)
文献信息
篇名
智能检测WebShell的机器学习算法
来源期刊
网络与信息安全学报
学科
工学
关键词
WebShell检测
矩阵分解
特征训练
年,卷(期)
2017,(4)
所属期刊栏目
学术论文
研究方向
页码范围
51-57
页数
7页
分类号
TP309
字数
6621字
语种
中文
DOI
10.11959/j.issn.2096-109x.2017.00126
五维指标
作者信息
序号
姓名
单位
发文数
被引次数
H指数
G指数
1
李景
国家电网浙江省电力公司电力科学研究院
2
9
1.0
2.0
2
卢新岱
国家电网浙江省电力公司电力科学研究院
2
9
1.0
2.0
3
戴桦
国家电网浙江省电力公司电力科学研究院
1
8
1.0
1.0
4
孙歆
国家电网浙江省电力公司电力科学研究院
1
8
1.0
1.0
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(54)
共引文献
(41)
参考文献
(10)
节点文献
引证文献
(8)
同被引文献
(11)
二级引证文献
(4)
1997(1)
参考文献(0)
二级参考文献(1)
1998(1)
参考文献(0)
二级参考文献(1)
2001(1)
参考文献(0)
二级参考文献(1)
2004(2)
参考文献(0)
二级参考文献(2)
2006(2)
参考文献(0)
二级参考文献(2)
2007(2)
参考文献(1)
二级参考文献(1)
2008(2)
参考文献(0)
二级参考文献(2)
2009(8)
参考文献(0)
二级参考文献(8)
2010(15)
参考文献(1)
二级参考文献(14)
2011(6)
参考文献(0)
二级参考文献(6)
2012(6)
参考文献(2)
二级参考文献(4)
2013(3)
参考文献(1)
二级参考文献(2)
2014(7)
参考文献(1)
二级参考文献(6)
2015(6)
参考文献(2)
二级参考文献(4)
2016(2)
参考文献(2)
二级参考文献(0)
2017(0)
参考文献(0)
二级参考文献(0)
引证文献(0)
二级引证文献(0)
2018(2)
引证文献(2)
二级引证文献(0)
2019(8)
引证文献(5)
二级引证文献(3)
2020(2)
引证文献(1)
二级引证文献(1)
研究主题发展历程
节点文献
WebShell检测
矩阵分解
特征训练
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
网络与信息安全学报
主办单位:
人民邮电出版社
出版周期:
双月刊
ISSN:
2096-109X
CN:
10-1366/TP
开本:
16开
出版地:
北京市丰台区成寿路11号邮电出版大厦8层
邮发代号:
创刊时间:
2015
语种:
chi
出版文献量(篇)
525
总下载数(次)
6
总被引数(次)
1380
期刊文献
相关文献
1.
采用随机森林改进算法的WebShell检测方法
2.
基于机器学习算法的网络入侵检测
3.
基于BPTT算法的webshell检测研究
4.
基于机器学习算法的Android恶意程序检测系统
5.
基于机器学习的烟雾检测算法去除固定干扰
6.
SDN环境下基于机器学习算法的DDoS攻击检测模型
7.
基于RNN的Webshell检测研究
8.
基于机器学习的小目标检测与追踪的算法研究
9.
机器学习算法在麻醉领域的应用
10.
基于多Agent的混合智能学习算法及在足球机器人中的应用
11.
基于机器学习的版图热点检测并行算法
12.
机器学习算法在数据挖掘中的应用
13.
基于CNN的Webshell文件检测
14.
采用随机森林改进算法的WebShell检测方法
15.
机器学习算法在焊接领域中的应用
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
一般工业技术
交通运输
军事科技
冶金工业
动力工程
化学工业
原子能技术
大学学报
建筑科学
无线电电子学与电信技术
机械与仪表工业
水利工程
环境科学与安全科学
电工技术
石油与天然气工业
矿业工程
自动化技术与计算机技术
航空航天
轻工业与手工业
金属学与金属工艺
网络与信息安全学报2022
网络与信息安全学报2021
网络与信息安全学报2020
网络与信息安全学报2019
网络与信息安全学报2018
网络与信息安全学报2017
网络与信息安全学报2016
网络与信息安全学报2015
网络与信息安全学报2017年第9期
网络与信息安全学报2017年第8期
网络与信息安全学报2017年第7期
网络与信息安全学报2017年第6期
网络与信息安全学报2017年第5期
网络与信息安全学报2017年第4期
网络与信息安全学报2017年第3期
网络与信息安全学报2017年第2期
网络与信息安全学报2017年第12期
网络与信息安全学报2017年第11期
网络与信息安全学报2017年第10期
网络与信息安全学报2017年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号