T/QGCML 3031-2024由中国团体标准 CN-TUANTI 发布于 2024-01-24，并于 2024-02-09 实施。
T/QGCML 3031-2024在国际标准分类中归属于: 35.240.99 信息技术在其他领域中的应用。
T/QGCML 3031-2024 基于深度学习的恶意URL检测系统技术规范的最新版本是哪一版？
最新版本是 T/QGCML 3031-2024 。
本文件规定了基于深度学习的恶意URL检测系统技术规范的系统基本要求、功能要求、接口要求、性能要求、安全要求。 本文件适用于基于深度学习的恶意URL检测系统（以下简称“系统”）。
在网络安全研究中，基于深度学习的入侵检测方法因具有较强的检测能力而受到越来越多的关注。然而，大部分基于深度学习的入侵检测方法处理长度过长的网络流量数据时能力不足，它们选择只处理流量的包头部分，忽略流量载荷中有价值的信息，因此当黑客把攻击行为隐藏在流量的载荷中时，这些入侵检测方法就无法有效检测到恶意流量。 ...
综上所述，蓝盾下一代深度态势感知是基于基因检测的原理进行深层次的溯源分析。它不仅仅是将网络中的安全要素进行简单的汇总和叠加，而是基于基因同源分析技术进行深度溯源，同时发现未知漏洞及威胁，准确地分析网络深层次安全状况。...
Jou表示，使用基于人类专家定义的规则和启发式方法的签名匹配，检测恶意二进制文件已经进行了数十年。尽管这已经相当有效，但是要跟上每年发布的恶意软件的所有变体是非常困难的-数量太多了。机器学习技术（包括日益流行的深度学习方法）是利用由机器生成的新检测模型来增强人类专家定义的检测方法的重要途径。...
而恶意邮件的发送者为了躲过邮件过滤器的检测，便会采取一系列的手段，如修改恶意邮件中的特征词汇、增加正常词汇等。 随着深度学习的发展，深度学习模型在人脸识别、自动驾驶、医疗诊断等领域得到了广泛的应用。然而，人们发现深度学习模型同样也存在着被对抗样本攻击的威胁。“比如，在一辆自动驾驶汽车上，如果前方的一个停车告示牌被贴上一层精心设计的对抗扰动薄膜，被汽车的识别程序判断为常速行驶，便可能引发安全事故。...
Copyright ©2007-2022 ANTPEDIA, All Rights Reserved
京ICP备07018254号 京公网安备1101085018 电信与信息服务业务经营许可证：京ICP证110310号