研究人员开发了一个新的预测框架，以改进研究网络中的异常检测。研究网络通常难以区分合法的、高流量的科学爆发和恶意攻击。他们使用来自Internet2的57天数据集，对各种预测模型进行了基准测试，发现与传统方法相比，TiDE和PatchTST等先进架构将预测误差降低了30-42%。该框架旨在通过更好地区分科学工作流和潜在的网络威胁，从而实现更自主和更具弹性的操作，来增强网络安全。 AI
影响 通过改进合法流量和攻击之间的区分来增强网络安全，可能导致更自主的安全运营。
排序理由 学术论文，详细介绍了网络安全的新基准和预测框架。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
