6VecLM

6VECLM

Exigences

• Python 3.7
• Torche 1.3.1
• Gensim
• Sklearn

Introduction

Appliquez le réseau Word2Vec et Transformer pour générer des ensembles d'adresses actives candidates.

L'illustration de 6VECLM. 6VECLM contient deux composants IPv62VEC et Transformer-IPV6. IPv62VEC cartaque l'ensemble de l'espace ad-robe à un espace vectoriel sémantique, où les adresses avec des séquences similaires seront classées dans le même cluster. Les vecteurs d'adresse sémantique seront apprises par Transformer-IPV6 pour implémenter la modélisation du langage IPv6.

Le document de recherche 6VECLM: La modélisation du langage dans l'espace vectoriel pour la génération d'objectifs IPv6 a été acceptée lors de la Conférence européenne sur l'apprentissage automatique et les principes et la pratique de la découverte de connaissances dans les bases de données (ECMLPKDD 2020).

Remarque: Ce code est basé sur le transformateur annoté. Un grand merci à l'auteur.

Start

6VECLM se compose de trois commandes:

1. Créer un mot d'adresse à partir de l'ensemble de données.

 $ python data_processing.py

2. Former le modèle IPv62VEC et générer une distribution de mots / adresses dans l'espace vectoriel.

 $ python IPv62Vec.py

3. Former le modèle de transformateur IPv6 et générer un ensemble de candidats.

 $ python IPv6_Transformer.py

Si le modèle a été formé, vous pouvez utiliser load_model.py pour générer directement d'autres ensembles de candidats.

 $ python load_model.py