一种基于GRU的半监督网络流量异常检测方法

入侵检测系统(IDS)是在出现网络攻击时能够发出警报的检测系统，检测网络中未知的攻击是IDS面临的挑战。深度学习技术在网络流量异常检测方面发挥着重要的作用，但现有的方法大多具有较高的误报率且模型的训练大多使用有监督学习的方式。为此，提出了一种基于门循环单元网络(GRU)的半监督网络流量异常检测方法(SEMI-GRU)。该方法将多层双向门循环单元神经网络(MLB-GRU)和改进的前馈神经网络(FNN)相结合，采用数据过采样技术和半监督学习训练方式，应用二分类和多分类方式检验网络流量异常检测的效果，并使用NSL-KDD,UNSW-NB15和CIC-Bell-DNS-EXF-2021数据集进行验证。与经典机器学习模型和DNN,ANN等深度学习模型相比，SEMI-GRU方法在准确率、精确率、召回率、误报率和F1分数等指标上的表现均表现更优。在NSL-KDD二分类和多分类任务中，SEMI-GRU在F1分数指标上领先于其他方法，分别为93.08%和82.15%;在UNSW-NB15二分类和多分类任务中，SEMI-GRU在F1分数上的表现优于对比方法，分别为88.13%和75.24%;在CIC-Be...     

一个高效可靠的光纤通信系统设计

本文介绍了一个高带宽、高效率、高可靠性的光纤通信系统实现，它可以在一对通信光纤上实现两个通信端之间的多虚通道、点对点、全双工通信。     

一种基于神经网络的代码嵌入方法

对代码进行分析研究具有很多的应用场景，例如代码抄袭检测、软件漏洞搜索等。随着人工智能的发展，神经网络技术被广泛应用于代码分析和研究。然而，现有的方法要么简单地将代码视为普通的自然语言处理，要么使用太过复杂的规则对代码进行采样，前者的处理方式容易造成代码关键信息的丢失，而后者会造成算法过于复杂，模型的训练需要花费较长的时间。Alon等提出了一种名为Code2vec的算法，该算法采用了一种简单且有效的代码表示方法，相比之前的代码分析方法有着显著的优势，但Code2vec算法仍存在一些局限性。因此，在其基础上提出了一种基于神经网络的代码嵌入方法，该方法的主要思想是将代码函数表示为代码的嵌入向量。首先将一个代码函数分解为一系列抽象语法树路径，然后通过神经网络去学习如何表示每一条路径，最后将所有路径聚合成一个嵌入向量来表示当前的代码函数。文中实现了一个基于该方法的原型系统，实验结果表明，相比Code2vec,所提算法的结构更加简单、训练速度更快。