新型網(wǎng)絡(luò)攻擊不斷涌現(xiàn),商用的檢測系統(tǒng)成本高。論文基于機器學習實現(xiàn)一個輕量級的惡意payload檢測系統(tǒng)。論文講解了Flask框架的特點和機器學習實現(xiàn)的基本流程,概要介紹了如何通過Flask框架搭建基于機器學習的惡意payload檢測系統(tǒng)。通過針對具有業(yè)務系統(tǒng)確定數(shù)據(jù)集和參數(shù)的調(diào)優(yōu),提高系統(tǒng)檢測準確率。 

【文章頁數(shù)】：2 頁

【文章目錄】：
一、前言
二、系統(tǒng)總統(tǒng)框架
    (一)系統(tǒng)響應流程
    (二) Flask框架
三、智能識別流程
    (一)機器學習
    (二)數(shù)據(jù)集
    (三) 數(shù)據(jù)特征提取
    (四) 檢測模型訓練
四、系統(tǒng)運行測試
五、結(jié)語


【參考文獻】：
碩士論文
[1]機器學習算法在結(jié)直腸癌早期診斷中的理論預測研究[D]. 張燕軍.西南醫(yī)科大學 2022



本文編號：3727774