首页->首页通知
今日通知    本周通知    本月通知
相关链接
中国科学院信息工程研究所
信息内容安全技术国家工程实验室
网络空间测绘航母
2020年MESA学生讨论班第26期(总第185期)
发布时间:2020-09-07 13:48:32     点击数:51

时       间:2020-09-08 (Tue)  16:30

地       点:钉钉远程

主  讲  人 : 李白杨,张世俊,何正杰,许敏超

会议秘书:何正杰


题目:[TMA 2020] Bidirectional Anycast/Unicast Probing (BAUP): Optimizing CDN Anycast

分享类型:论文精讲      主讲人:李白杨

简介:任播(anycast)是CDN广泛采用的技术之一,它的高效性依赖于CDN厂商的配置和ISP稳定的路由策略。在分布式系统中,排查任播故障根源具有挑战性。本文采用双向unicast/anycast探测(BAUP)的方法判断任播故障,并在实验中证明了该方法的有效性


题目:Iniquitous Cord-Cutting: An Analysis of Infringing IPTV Services

分享类型:论文精讲      主讲人:张世俊

简介:尽管当前有很多版权保护措施,但订阅式的IPTV盗版仍旧泛滥。网络犯罪分子滥用合法服务来建立和维护这样的非法业务,并以订阅方式提供盗版IPTV。由于盗版IPTV的构建隐藏在阴暗面,这些服务尚未得到很好的理解。本文根据经验来衡量一部分盗版IPTV系统所使用的网络基础设施,支付和订购服务。本文提出了针对这样的IPTV生态系统如何进行决策及实施干预


题目:How to Achieve High Classification Accuracy with Just a Few Labels: A Semi-supervised Approach Using Sampled Packets

分享类型:论文精讲      主讲人:何正杰

简介:本文提出了一种半监督方法,从而降低了对大型标记数据集的需求。 首先在未标记的大型数据集上对模型进行预训练,再将学习到的权重转移到一个新模型,该模型在一个小的标签数据集上进行重新训练。 结果表明,尽管每个类仅使用20个样本,但半监督方法的精度几乎与带有大型labeled数据集的完全监督方法的精度相同


题目:A Survey of Techniques for Mobile Service Encrypted Traffic Classification Using Deep Learning

分享类型:论文精讲      主讲人:许敏超

简介:本文综述了近年来基于深度学习的移动服务加密流量识别的研究现状,提出了基于深度学习的移动加密流量识别的一般框架。此外,本文还从数据集选择、模型输入设计和模型体系结构等方面总结了大多数现有的工作。并在此基础上提出了在这方面一些值得注意的问题和挑战


首页
团队介绍
发展历史
组织结构
MESA大事记
新闻中心
通知
组内动态
科研成果
专利
论文
项目
获奖
软著
人才培养
MESA毕业生
MESA在读生
MESA员工
招生宣传
走进MESA
招生指南
学长分享
导师介绍
知识库
文章
地址:北京市朝阳区华严北里甲22号楼五层 | 邮编:100029
邮箱:nelist@iie.ac.cn
京ICP备15019404号-1