Artificial intelligence 基于人工神经网络的Web客户端分类

我有一个高流量的网站。
我想创建一个软件，可以动态分析客户端请求，并确定它们是来自真实用户还是僵尸网络机器人。为了训练神经网络识别合法（“良好”）用户，我可以在没有DDoS活动时使用日志。一旦经过培训，网络将区分真实用户和机器人。

我所拥有的：

• 请求URI（和订单）
• 饼干
• 用户代理
• 请求频率

关于如何为这项任务最佳地设计ANN以及如何调整它，有什么想法吗

编辑：[回应关于这个问题范围过宽的评论]

我目前有一个正在运行的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规范化这些输入，我需要在这一特定领域的建议。

这并不真正适用于神经网络。神经网络非常有用（作为粗略指南）：

你可以节省处理能力

数据不是暂时的

输入数据是有限的

---

我不认为您真的通过了任何这些。

Re：规范化输入：您将输入数据映射到一组符号（然后转换为数字），或者将输入映射到浮点数，其中数字表示某种程度的强度。您可以将任何类型的数据映射到任何类型的方案，但您实际上只希望在问题解决方案是非线性的情况下使用ANN（另一个分类的一个分类的所有数据不能聚集在一条线的一侧，而另一个分类的所有数据则聚集在另一侧）。在这两种情况下，您都会得到与输出相关联的输入向量（[BOT，HUMAN]或[BOT，HUMAN，UNKNOWN]或[BOT，可能-BOT，可能-HUMAN，HUMAN]等）

---

你如何区分两个用户同时及时提交了完全相同的图书请求（假设你在卖书）？

这是一个涉及面很广的问题，因为在整个计算机科学学科中，都致力于回答这个问题。这是一个广泛的问题。你试过了吗？没有。我有一个正在运行的C#程序，可以根据相同请求的频率阻止客户端。但现在我想用神经网络来提高它的“智能性”。我不知道如何为ANN规范化这些输入。这是一个有趣的问题，但我希望您意识到，当数据包到达您的服务器时，抵御DDoS攻击已经太晚了。如果您的上游连接已饱和，那么告诉真实用户来自机器人有什么好处？这取决于DDoS攻击的类型。如果当机器人多次尝试请求index.php时，攻击的目标是你的CPU或内存，那么这与流量无关，而是你的CPU和内存，你可以阻止这些机器人并释放你的CPU时间和内存。（2）-你是什么意思？（3） -数据是有限的。比如说，你可以传递5个请求，然后问安它看起来是否像真正的用户。我认为神经网络对数据进行分类是一项很好的任务，不是吗？数据是暂时的，它有时间信息。这取决于你在NN中输入的关于它是否有限的信息（实际上固定长度更好地描述了这个属性）。我不想阻止你尝试这个，但我不太希望它会起作用。“数据是暂时的，它有时间信息”-不。你可以将时间增量传递给NNtemporal-“时间的或与时间有关的”，它仍然是暂时的。它真的比我想象的更复杂