MétaCan
Menu
Retour à la cohorte
Enregistrement W4396637090 · doi:10.23977/acss.2024.080306

Analysis of computer network information security and protection strategy

2024· article· en· W4396637090 sur OpenAlexvenueno aff
Yanfang Wang, Xuwei Zhang

Notice bibliographique

RevueAdvances in Computer Signals and Systems · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueNetwork Security and Intrusion Detection
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer securityInformation protection policyComputer scienceInformation securityNetwork securityInternet privacy

Résumé

récupéré en direct d'OpenAlex

In the contemporary development of computer network, the attention of computer network information security and the analysis of protection strategies can protect personal privacy, prevent data leakage and guarantee the reliability of network services. Computer network information security is not only related to the protection of personal privacy and corporate secrets, but also has an important impact on social stability. Therefore, it is of great practical significance to study the computer network information security and the corresponding protection strategies. Based on the reality, this paper makes a comprehensive and in-depth analysis of the main problems of computer network information security, including phishing, computer virus, DDoS attack and network security vulnerabilities. On the basis of in-depth analysis of these problems and their causes, this paper further discusses the scientific and effective protection strategies, such as firewall technology, anti-virus software and intrusion detection system. These strategies aim to meet the increasingly complex network security challenges, prevent network information security problems, and provide useful reference for relevant personnel in the field of network information security. By implementing these strategies, we are expected to improve the overall level of computer network information security, and build a more secure and reliable network environment.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,243
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Computer Signals and SystemsMême sujetNetwork Security and Intrusion DetectionTravaux en français237 207