結合深度學習於網路攻擊偵測:
1.
針對各種網路攻擊，使用數字型與文字型資料集，建立高精度深度學習偵測模型
2.
抵禦針對深度學習的對抗攻擊，加強深度學習的強韌品質，穩定精準偵測攻擊
3.
提高資料與模型參數品質，使深度學習能分辨與解釋，攻擊與正常行為根本上的區別
4.
建立生成式與對比式無監督學習，強化基於深度學習的入侵偵測模型
學生學習撰寫論文的四個階段：
1.
使用實驗室現有研究材料，上手未來所需深度學習實驗環境，研讀已有論文
2.
搜尋有興趣題目的相關新論文，搜尋與上手新的模型實驗程式與資料集
3.
完成研究題目的初步實驗結果，確認初版研究方法，和主要比較文獻
4.
撰寫實驗結果、研究方法、相關文獻，完成緒論並凸顯研究貢獻，最後提交論文
研究計畫:
1.
基於深度學習資料品質評鑑與生成對抗網路之高精度網路入侵偵測模型，國科會兩年期研究計畫
2.
潛在臨終評估系統：應用數值型可解釋性深度學習於非癌末期器官衰竭患者安寧療護需求評估，
國科會北醫研究合作計畫
聯絡方式
Email:
tsengcyt [at] gm.ntpu.edu.tw
網路安全實驗室 音律電資大樓五樓 518 室 (02-8674-1111 # 68861)
教授研究室 音律電資大樓七樓 703 室 (02-8674-1111 # 68822)
|
