機器學習與威脅情報的融合:一種基於AI檢測惡意域名的方法
前言 黑客在攻擊過程中或者對目標網路實施控制時經常使用域名。我們在做流量分析時不僅要通過流量的指紋特徵識別威脅,也可以通過檢測是否解析了惡意域名來判斷網路中是否存在肉雞。 不直接用威脅情報
前言 黑客在攻擊過程中或者對目標網路實施控制時經常使用域名。我們在做流量分析時不僅要通過流量的指紋特徵識別威脅,也可以通過檢測是否解析了惡意域名來判斷網路中是否存在肉雞。 不直接用威脅情報
將機器學習的方法推廣到新問題仍然存在著不小的挑戰,其中最嚴峻的問題之一,就是人工提取特徵的複雜性和高時間耗費性,本文就將帶你瞭解自動化特徵提取方法。 機器學習演算法面臨的最大技術障礙就是它們
CSDN 出品的《2018-2019 中國人工智慧產業路線圖》V2.0 版即將重磅面世! V1.0 版釋出以來,我們有幸得到了諸多讀者朋友及行業專家的鼎力支援,在此表示由衷感謝。此次 V2.0 版
作者:Joyce Xu 編譯:Bing 強化學習中很多重要的難題都圍繞著兩個問題:我們應該如何高效地與環境互動?如何從經驗中高效學習?在這篇文章中,我想對最近的深度強化學習研究做一些調查,找到
目前在研究Automated Machine Learning,其中有一個子領域是實現網路超引數自動化搜尋,而常見的搜尋方法有Grid Search、Random Search以及貝葉斯優化搜尋。前兩者很好理解
【獵雲網(微信號:)】10月28日報道(編譯:福爾摩望) Paperspace希望能夠利用由GPU和其他強大晶片支援的軟硬體開發平臺,來幫助開發人員構建人工智慧和機器學習應用。今天,這家Y
從頭開始編寫機器學習演算法是一種非常有益的學習體驗。 我們在此過程中強調了6個步驟。 有些演算法比其他演算法更復雜,所以從一些簡單的演算法開始,從一些非常簡單的演算法開始,比如單層感知器。 我
為了在吸引大家關注的 5G 網路和物聯網等裝置上實現邊緣計算(靠近資料來源頭一側的運算),需要在微型裝置上部署最夠多的計算力。 為實現這一想法,未來努力的方向將會是利用人工智慧(AI)計算技術——
智東西(公眾號: zhidxcom) 編 | 智東西內參 自20世紀下半葉,計算機視覺技術逐漸地發展壯大。同時,伴隨著數字影象相關的軟硬體技術在人們生活中的廣泛使用,數字影象已經成為當
本文大約 600 字, 閱讀大約需要 2 分鐘 吳恩達老師在上個月底宣佈終於完成了他最新的書籍《Machine Learning Yearning》的最後幾個章節: 而最近這本書也有
隨著AlphaGo和AlphaZero的出現,強化學習相關演算法在這幾年引起了學術界和工業界的重視。最近也翻了很多強化學習的資料,有時間了還是得自己動腦筋整理一下。 強化學習定義 先借用維基百科上對強化
DoNews10月26日訊息(記者 翟繼茹)近些年,環保行業不僅成為關係國計民生的行業,也成為一片藍海市場。其中,由於環境質量多位資料分析挖掘行業門檻高,技術壁壘堅實,國內企業進入環境監測大資料領域的數量極少,高階軟
就神經網路方面而言,ImageNet過於龐大,在計算資源不足的情況下,耗費的執行時間過長,而 CIFAR-10 又太小,有時候無法滿足需求。於是,本文提出一種方法,將從 CIFAR-10 中
通訊網路告警分析面臨巨大挑戰 隨著網路規模的擴大和通訊裝置的增多,網路告警數量也急劇增加。“目前,一個省一個月IPRAN告警數量已經超過190萬條,60%以上為緊急告警,傳統告警處理模式費時費力,效果
王禹衡預計2018年總收入為8350萬元。 文 | 鉛筆道記者 劉小倩 我們在某一平臺搜尋產品後,該平臺會經常向我們推送該類產品,這就是我們常說的DSP精準營銷。 它們大多數在分析使用者與