Con el desarrollo de algoritmos de detección en nombres de dominio dinámicos maliciosos, los algoritmos generadores de dominios se han desarrollado para ser más sigilosos. El uso de múltiples elementos para generar dominios llevará a una mayor dificultad de detección. Para mejorar efectivamente la precisión de detección de nombres de dominio generados algorítmicamente basados en múltiples elementos, se propone un modelo de sintaxis de nombre de dominio, que analiza los múltiples elementos en los nombres de dominio y su relación sintáctica, y se propone un método de incrustación adaptativa para lograr un análisis efectivo de elementos de nombres de dominio. Se propone un modelo de convolución paralelo basado en el módulo de selección de características combinado con una función de pérdida dinámica mejorada basada en el aprendizaje curricular, que puede lograr una detección efectiva en nombres de dominio maliciosos de múltiples elementos. Se diseñan una serie de experimentos y se compara el modelo propuesto con cinco algoritmos anteriores
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Soluciones numéricas para la selección óptima de cartera y estrategias de consumo bajo volatilidad estocástica.
Artículo:
En Problemas de Selección de Portafolio Difuso: Un Enfoque de Representación Paramétrica
Artículo:
Computación justa y segura con supuestos de reputación en las redes sociales móviles
Artículo:
Modelo de Evaluación del Desarrollo de Acoplamiento de Economía Circular de Bajo Carbono en Áreas Forestales Basado en Redes Neuronales de Base Radial
Artículo:
Ataques adversarios de caja negra binaria con aprendizaje evolutivo contra la detección de malware en IoT.