CodeInjectionUsingMachineLearning

Kết quả chạy Baseline

Methods	Naïve Bayes	Decision Tree	Random Forest	Logistic Regression	AdaBoost
BOW	0.83	0.96	0.96	0.95	0.56
TF-IDF	0.87	0.96	0.96	0.95	0.56
Word2Vec	0.47	0.94	0.95	0.61	0.56

Kết quả multiclass đã combine:

TF-IDF + NB 0.87

TF-IDF + RF 0.96

LSTM 0.97

Kết quả sử dụng phương pháp GAN trong xác định kiểu tấn công mới với các bộ trích xuất đặc trưng:

BOW	TF-IDF	Word2Vec
0.70	0.72	0.63

Kết quả sử dụng phương pháp GAN(kết hợp LSTM trong model Generative) trong xác định kiểu tấn công mới với các bộ trích xuất đặc trưng

BOW	TF-IDF	Word2Vec
0.77	0.78	0.63

Kết hợp LSTM (Long Short-Term Memory) vào mô hình sinh (generative model) của GAN (Generative Adversarial Network) có thể mang lại nhiều lợi ích trong việc tạo ra dữ liệu mới có tính tương quan cao và có ý nghĩa. Kết quả tốt nhất hiện nay là đạt 77-80% accuracy.