如今，基于Web的网络钓鱼攻击可利用流行的云网络托管服务和Google站点等应用程序和用于托管攻击的类型。由于这些攻击源自云服务的信誉良好的域和IP地址，因此传统的网络钓鱼检测方法（例如IP声誉监视和黑名单）不是很有效。在这里，我们研究了深度学习模型在检测这类基于云的网络钓鱼攻击方面的有效性。具体而言，我们评估了三种网络钓鱼检测方法的深度学习模型 - 用于URL分析的LSTM模型，用于徽标分析的YOLOV2模型和用于视觉相似性分析的三重态网络模型。我们使用知名数据集训练模型，并在野外基于云的网络钓鱼攻击上测试其性能。我们的结果定性地解释了为什么模型成功或失败。此外，我们的结果突出了各个模型的结果如何提高检测基于云的网络钓鱼攻击的有效性。
translated by 谷歌翻译
2021-06-20
农业实践中的一个重要和繁琐的任务之一是检测作物疾病。它需要巨大的时间和熟练的劳动力。本文提出了一种智能有效的方法，用于检测使用计算机视觉和机器学习技术的作物疾病。该拟议的系统能够检测5种常见植物的20个不同疾病，精度为93％。
translated by 谷歌翻译