[ 登录/注册 ] 购物车(0)
期刊大全 杂志订阅 SCI期刊 期刊投稿 出版社 公文范文 精品范文
摘要:现有的恶意域名检测方案在处理大规模数据和多种类型的恶意域名时存在不足。为此,根据时间性、相关域名集合和对应IP三方面特征提出新的检测方案。使用并行化随机森林算法建立组合的域名检测分类器,以提高检测精确度及容错能力。实验结果表明,组合分类器的精确度和准确率均高于决策树分类器,新方案能够更有效地检测大规模网络中的恶意域名。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
北大期刊 下单
国际刊号:1000-3428
国内刊号:31-1289/TP
国际刊号:2095-8250
国内刊号:41-1431/J
国际刊号:2095-5960
国内刊号:52-1156/F
国际刊号:1671-444X
国内刊号:52-5025/J
国际刊号:2096-8426
国内刊号:52-1174/R2
多年专注期刊服务,熟悉发表政策,投稿全程指导。因为专注所以专业。
推荐期刊保障正刊,评职认可,企业资质合规可查。
诚信服务,签订协议,严格保密用户信息,提供正规票据。
如果发表不成功可退款或转刊。资金受第三方支付宝监管,安全放心。