T/QGCML 3031-2024
基于深度学习的恶意URL检测系统技术规范

Technical specifications of malicious URL detection system based on deep learning


标准号
T/QGCML 3031-2024
发布
2024年
发布单位
中国团体标准
当前最新
T/QGCML 3031-2024
 
 
适用范围
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”)。

T/QGCML 3031-2024相似标准


推荐

蓝盾股份率先推基因检测技术下一代深度态势感知

综上所述,蓝盾下一代深度态势感知是基于基因检测原理进行深层次溯源分析。它不仅仅是将网络中安全要素进行简单汇总和叠加,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。...

声学所提出基于字嵌入可识别长流分层注意力模型

  在网络安全研究中,基于深度学习入侵检测方法因具有较强检测能力而受到越来越多关注。然而,大部分基于深度学习入侵检测方法处理长度过长网络流量数据时能力不足,它们选择只处理流量包头部分,忽略流量载荷中有价值信息,因此当黑客把攻击行为隐藏在流量载荷中时,这些入侵检测方法就无法有效检测恶意流量。  ...

我国科学家在超导系统中实现量子对抗机器学习

恶意邮件发送者为了躲过邮件过滤器检测,便会采取一系列手段,如修改恶意邮件中特征词汇、增加正常词汇等。 随着深度学习发展,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威胁。“比如,在一辆自动驾驶汽车上,如果前方一个停车告示牌被贴上一层精心设计对抗扰动薄膜,被汽车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