arrow
返回

TrafficT5: Multi-Stage Self-Correcting Framework for Traffic Generation

delete2025-11-09
delete0
PRE
AI
Y
Yizhao Huang
X
Xiaohui Li
J
Jiaxuan Geng
祝
祝小兰 (Xiaolan Zhu)
DOI:10.1016/j.comnet.2025.111858delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
高保真、可控的恶意网络流量的生成对于模拟真实的网络攻击、评估防御机制以及增强入侵检测系统(IDS)至关重要。然而,现有方法通常存在协议保真度低、结构控制有限和适应性差的问题,从而降低了其在实际网络安全应用中的有效性。

期刊

Computer Networks 封面图
Computer Networks
IF:
4.6
论文数:
1.8K
被引数:
1.6W

机构

S
sichuan university
学者数:
12.1W
论文数: 7.8W
被引数: 100
引用论文

引用论文

暂无论文信息