基于人工神经网络的Web客户端分类

Question

我有一个流量很高的网站。

我想要创建分析客户端请求的软件，并决定它们是来自真正的用户还是僵尸网络机器人。为了训练神经网络识别合法(“好”)用户，我可以在没有DDoS活动时使用日志。一旦经过培训，该网络将区分真正的用户和机器人。

我所拥有的：

order)

• cookie

• user

• 请求URI (以及代理
• 请求频率.

)

对于如何为这个任务设计最佳的ANN以及如何调整它，有什么想法吗？

编辑:对关于这个问题范围过广的评论的回应

我目前有一个工作的C#程序，它根据相同请求的频率阻止客户端。现在我想用一个基于神经网络的分类器来提高它的“智能”。

我不知道如何为ANN规范这些输入，我需要这方面的建议。

Answer 1

这并不适合神经网络。神经网络是很好的(作为一个粗略的指南)：

1. 您可以节省处理能力，
2. 的数据不是时态的，
3. 的输入数据是有限的，

我不认为你真的通过了这些。

Answer 2

重新规范输入:将输入数据映射到一组符号(然后将其转换为数字)，或者将输入映射到浮点数字，其中数字表示一定程度的强度。您可以将任何类型的数据映射到任何类型的方案，但是您实际上只想在问题解决方案是非线性的情况下使用ANN(另一分类的所有数据不能聚集在一条线的一边，而另一分类的所有数据都聚集在另一边)。在这两种情况下，您最终都会得到与输出相关的输入向量(BOT、HUMAN BOT、HUMAN、UNKNOWN BOT、可能-BOT、可能- HUMAN、HUMAN等)。

您如何区分两个用户是否巧合地按时提交完全相同的图书请求(假设您正在销售图书)？