Machine Learning,Artificial Intelligence,Cryptography and Security,Networking and Internet Architecture,یادگیری ماشین , هوش مصنوعی , رمزنگاری و امنیت , شبکه سازی و معماری اینترنت ,
توضیحات
Submitted 12 September, 2024; originally announced September 2024. , Comments: Pre-print of Accepted Workshop paper to 3rd GNNet, co-located with CoNEXT'24
توضیحات به فارسی
ارسال شده 12 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: پیش چاپ مقاله کارگاه پذیرفته شده تا 3 GNNET ، با همبستگی با Conext'24
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Foundation models have shown great promise in various fields of study. A potential application of such models is in computer network traffic analysis, where these models can grasp the complexities of network traffic dynamics and adapt to any specific task or network environment with minimal fine-tuning. Previous approaches have used tokenized hex-level packet data and the model architecture of large language transformer models. We propose a new, efficient graph-based alternative at the flow-level. Our approach represents network traffic as a dynamic spatio-temporal graph, employing a self-supervised link prediction pretraining task to capture the spatial and temporal dynamics in this network graph framework. To evaluate the effectiveness of our approach, we conduct a few-shot learning experiment for three distinct downstream network tasks: intrusion detection, traffic classification, and botnet classification. Models finetuned from our pretrained base achieve an average performance increase of 6.87\% over training from scratch, demonstrating their ability to effectively learn general network traffic dynamics during pretraining. This success suggests the potential for a large-scale version to serve as an operational foundational model.
چکیده به فارسی (ترجمه ماشینی)
مدلهای بنیاد در زمینه های مختلف مطالعه نوید خوبی نشان داده اند.کاربرد بالقوه چنین مدلهایی در تجزیه و تحلیل ترافیک شبکه رایانه ای است ، که در آن این مدل ها می توانند پیچیدگی های پویایی ترافیک شبکه را درک کرده و با حداقل تنظیم دقیق با هر نوع کار یا محیط شبکه سازگار شوند.رویکردهای قبلی از داده های بسته بندی سطح سلیقه و معماری مدل مدل های ترانسفورماتور زبان بزرگ استفاده کرده اند.ما یک جایگزین جدید و کارآمد مبتنی بر نمودار را در سطح جریان پیشنهاد می کنیم.رویکرد ما نشان دهنده ترافیک شبکه به عنوان یک نمودار مکانی پویا-زمانی است و از یک کار پیش بینی پیوند خودی خود با استفاده از کار پیش بینی برای گرفتن دینامیک مکانی و زمانی در این چارچوب نمودار شبکه استفاده می کند.برای ارزیابی اثربخشی رویکرد ما ، ما چند آزمایش یادگیری چند شات را برای سه کار شبکه پایین دست مجزا انجام می دهیم: تشخیص نفوذ ، طبقه بندی ترافیک و طبقه بندی Botnet.مدلهای از پایگاه پیش ساخته ما به طور متوسط افزایش عملکرد 6.87 \ ٪ نسبت به آموزش از ابتدا به دست می آورند ، و توانایی آنها در یادگیری مؤثر پویایی ترافیک شبکه کلی را در حین پیش بینی نشان می دهد.این موفقیت پتانسیل یک نسخه در مقیاس بزرگ را نشان می دهد تا به عنوان یک مدل بنیادی عملیاتی خدمت کند.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
