{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,4,27]]，“日期时间”：“2024-04-27T21:56:43Z”，“时间戳”：1714255003942]，“参考计数”：21，“出版商”：“Springer Science and Business Media LLC”，“问题”：“1”，“许可证”：[{“开始”：}“日期部分“：[2018,10,22]]，”日期时间“：“2018-10-22T00:00:00Z”，“timestamp”：1540166400000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http://www.springer.com/tdm”}]，“funder”：[{“DOI”：“10.13039\/501100012166”，“name”：“中国国家重点研发计划”，“DOI-asserted-by”：“crossref”，“award”：[“2017YFB0701900”]}，{“DOI”：”10.13039\\501100001809“，”名称“：“中国国家自然科学基金”，“doi-asserted-by”：“publisher”，“award”：[“61100053”]}，{“name”：“CCF-Venustech-Hongyan Research Initiative”，“adward”：[”2016-013“]}]，“content-domain”：{“domain”:[”link.springer.com“]，“crossmark-restriction”：false}，“short-container-title”：[）J Vis“]，”published-print“{“date-parts”：[2019,2]}，”doi“”：“10.1007\/s12650-018-0525-z”，“type”：“journal-article”，“created”：{“date-parts”：[[2018,10,22]]，“date-time”：“2018-10-22T15:02:02:05Z”，“timestamp”：1540220525000}，“page”：”215-229“，”update-policy“：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy：[“基于增量学习的实时网络安全可视化系统（ChinaVis 2018）”]，“前缀”：“10.1007”，“卷”：“22”，“作者”：[{“给定”：“新”，“家族”：“范”，“序列”：“第一”，“从属”：[]}，{“给出”：“陈露”，“家庭”：“李”，“顺序”：“附加”，“附属”：[]}，}“ORCID”：“http://\ORCID.org\/00000-0001-7151-2407”，“authenticated-orcid”：false，“given”：“Xiaoju”，“family”：“Dong”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-online”：{“date-parts”：[[2018,10,22]}，“reference”：[{“key”：《525_CR1》，“doi-asserted-by”：《crossref》，《unstructured》：“Ali SHA，Ozawa S，Ban T，Nakazato J，Shimamura J（2016）使用暗网流量特征检测ddos攻击的神经网络模型。In:神经网络（IJCNN），2016年国际联合会议，第2979\u20132985页。IEEE“，”DOI“：”10.1109\/IJCNN.2016.7727577“}，{“key”：“525_CR2”，“DOI-asserted-by”：“crossref”，“unstructured”：“Boschetti A，Salgarelli L，Mueld C，Ma K-L（2011）TVi:一个用于网络监控和异常检测的可视化查询系统。In:第八届网络安全可视化国际研讨会论文集，p\u00a01。ACM“，”DOI“：“10.1145\/2016904.2016905”}，{“key”：“525_CR3”，“DOI-asserted-by”：“crossref”，“unstructured”：“Bruns-Smith D，Baskaran MM，Ezick J，Henretty T，Lethin R（2016）《多维数据分解的网络安全》。摘自：网络安全研讨会（CYBERSEC），2016年，第59\u201367页。IEEE“，”DOI“：”10.1109\/CYBERSEC.2016.017“}，{“issue”：“2”，“key”：“525_CR4”，“DOI-asserted-by”：“publisher”，“first-page”：“1153”，“DOI”：“10.1109\/COMST.2015.2494502”，”volume“：”18“，”author“：”AL Buczak“，”year“：”2016“，”unstructured“：”Buczak-AL，Guven E（2016）网络安全入侵检测的数据挖掘和机器学习方法综述。IEEE Commun Surv Tutor 18（2）：1153\u20131176“，“journal-title”：“IEEE Commun Surv导师”}，{“key”：“525_CR5”，“doi-asserted-by”：“crossref”，“unstructured”：“Chen W，Kong F，Mei F，Yuan G，Li B（2017）入侵检测系统的新型无监督异常检测方法。In:云上的大数据安全（BigDataSecurity），IEEE高性能和智能计算国际会议（HPSC），以及IEEE智能数据和安全国际会议（IDS），2017年IEEE第三届国际会议，第69\u201373页。IEEE“，”DOI“：”10.1109\/BigDataSecurity.2017.56“}，{“issue”：“1”，“key”：“525_CR6”，“DOI-asserted-by”：“publisher”，“first-page”：“90”，“DOI”：“10.1016\/j.neunet.2005.04.006”，“volume”：”19“author”：“S Furao”，“year”：“2006”，“unstructured”：“Furao S，Hasegawa O（2006）用于在线无监督分类和拓扑学习的增量网络。Neural Netw 19（1）：90\u2013106“，“journal-title”：“Neural Networkw”}，{“key”：“525_CR7”，“unstructured”：“Hajar AAS，Fukase K，Ozawa S（2013）使用局部敏感散列进行大规模流数据学习的神经网络模型。In：神经信息处理国际会议。柏林斯普林格，pp 369\u2013376”}doi-asserted-by“：”crossref“，”unstructured“：”Hao L，Healey CG，Hutchinson SE（2015）网络安全数据网络态势感知集成可视化。参见：网络安全可视化（VizSec），2015年IEEE研讨会，第1\u20138页。IEEE”，“DOI”：“10.1109\/VIZSEC-2015.7312766”}，｛“issue”：“5786”，“key”：“525_CR9”，“DOI asserted by”：“publisher”，“first page”：“504”，“DOI”：“10.1126\/science.1127647”，“volume”：“313”，“author”：“G\u00a0E Hinton”，“year”：“2006”，“nonstructured”：“Hinton G\u00a0E，Salakhuttinov R\u00a0R（2006）利用神经网络降低数据的维数。Science 313（5786）:504\u2013507”，“期刊标题”：“Science”}，｛“key”：“525_CR10”，“doi asserted by”：“crossref”，“nonstructured”：“Huang S-Y，Yu F，Tsah-R-H，Huang Y（2015）增量多数学习的网络流量异常检测。In：Neural networks（IJCNN），2015国际联合会议，pp.1\u20138。IEEE“，“DOI”：“10.1109\/IJCNN.2015.7280573”}，{“issue”：“2”，“key”：“525_CR11”，“DOI-asserted-by”：“publisher”，“first page”：”119“，”DOI“：”10.1007\/s10618-005-0031-5“，”volume“：”13“，”author“：”G Leban“，‘year’：”2006“unstructured”：“Leban G，Zupan B，Vidmar G，Bratko I（2006）Vizrank：机器学习引导的数据可视化。数据最小知识发现13（2）：119\u2013136“，”journal-title“：”Data Min Knowl Discov“}，{”issue“：”8“，”key“：”525_CR12“，”doi-asserted-by“：”publisher“，“first page”：“1313”，”doi“：”10.1109\/TVCG.2011.144“，”volume“：“18”，”author“：”H Shiravi“，”year“：”2012“，”unstructured“：”Shiravi H，Shiravi A，Ghorbani AA（2012）网络安全可视化系统综述。IEEE Trans-Vis计算图18（8）：1313\u20131329“，”journal-title“：”IEEE Trans-Vis计算图“}，{“key”：“525_CR13”，“doi-asserted-by”：“crossref”，“unstructured”：“Sommer R，Paxson V（2010）Outside the closed world:on using machine learning for network intrusion detection。In:Security and privacy（SP），2010年IEEE研讨会，第305\u2013316页。IEEE“，”DOI“：“10.1109\/SP.2010.25”}，{“key”：“525_CR14”，“DOI-asserted-by”：“crossref”，“unstructured”：“Sultana A，Jabbar M（2016）使用数据挖掘技术的智能网络入侵检测系统。In：应用与理论计算与通信技术（iCATccT），2016年第二届国际会议，pp 329\u2013333。IEEE“，”DOI“：”10.1109\/ICATCCT.2016.7912017“}，{“key”：“525_CR15”，“DOI-asserted-by”：“crossref”，“unstructured”：“Talbot J，Lee B，Kapoor A，Tan DS（2009）Ensemblematrix:交互式可视化以支持多分类器的机器学习。摘自：SIGCHI计算机系统中人为因素会议论文集，第1283\u20131292页。ACM“，”DOI“：“10.1145\/1518701.1518895”}，{“key”：“525_CR16”，“DOI-asserted-by”：“crossref”，“unstructured”：“Theron R，Mag\u00e1n-Carri\u00f3n R，Camacho J，Fernndez GM（2017）多元分析和交互式可视化支持的网络入侵检测。In：网络安全可视化（VizSec）2017年IEEE研讨会，第1\u20138页。IEEE“，”DOI“：”10.1109\/VIZSEC.2017.8062198“}，{”key“：”525_CR17“，”unstructured“：”Vast challenge 2013主页。\n http://www.vacommunity.org\/Vast+challenge+2013\n\n（2013）“}”，{“issue”：“1”，“key”：“525_CR18”，“DOI-asserted-by”：“publisher”，“first page”：”5“”，“DOI”：“10.1007\/s10994-005-4258-6”，“”volume“：”58“，”author“：”GI Webb“，”year“：”2005“，”unstructured“：”Webb GI，Boughton JR，Wang Z（2005）Not so naive bayes:aggregating one-dependency estimators。Mach Learn 58（1）：5\u201324“，“journal-title”：“Mach learning”}，{“key”：“525_CR19”，“doi-asserted-by”：“crossref”，“unstructured”：“Yousefi-Azar M，Varadharajan V，Hamey L，Tupakula U（2017）基于自动编码器的网络安全应用特征学习。In:Neural networks（IJCNN），2017年国际联合会议，第3854\u20133861页。IEEE”，“DOI”：“10.1109\/IJCNN.2017.7966342”}，{“key”：“525_CR20”，“unstructured”：“Zhang S，Fung C，Huang S，Luan Z，Qian D（2017）Psom:周期时间序列中无监督异常检测的周期自组织映射。in:服务质量（IWQoS），2017 IEEE\/ACM第25届国际研讨会，pp 1\u20136。IEEE“}，{“key”：“525_CR21”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhao S，Chandrashekar M，Lee Y，Medhi D（2015）使用机器学习的实时网络异常检测系统。In：可靠通信网络设计（DRCN），2015年第11届国际会议，第267\u2013270页。IEEE“，”DOI“：”10.1109\/DRCN.2015.7149025“}]，”container-title“：[”Journal of Visualization“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”http://\/link.springer.com/article\/10.1007\/s12650-018-0525-z\/fulltext.html“，”content-type“：”text\/html“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“http://\/link.springer.com/content\/pdf\/10.1007\/s12650-018-0525-z.pdf“，”content-type“：”application\/pdf“、”content-version“：”vor“、”intended-application“：”text-mining“}、{”URL“：”http://\-link.springer.com/content\/ppdf\/10.10007\/s12650-018-0525-z.pdf“，：“相似性检查“}”，“存放”：{“日期-部分”：[[2019,10,22]]，“日期-时间”：“2019-10-22T00:07:12Z”，“时间戳”：1571702832000}，“分数”：1，“资源”：{-“主要”：}“URL”：“http://\/link.springer.com\/10.1007\/s12650-018-0525-z”}，“references-count”：21，“journal-issue”：{“issue”：“1”，“published-print“：{”date-parts“：[[2019,2]}}，”alternative-id“：[”525“]，”URL“：”http://\/dx.doi.org\/10.1007\/s12650-018-0525-z“，”relation“：{}，“ISSN”：[“1343-8875”，“1875-8975”]，“ISSN-type”：[{“value”：“1343-88”，“type”:“print”}，{“value”：“1875-89”，“类型”：“电子”}]，“主题”：[]，“发布”：{“日期部分”：[[2018,10,22]]}，“断言”：[{“值”：“2018年7月20日“，”订单“：1，”名称“：”收到“，”标签“：”接收“，”组“：在线“，”群“：{”name“：”ArticleHistory“，”label“：”文章历史“}}]}}