基于猫群优化的混合基础线2D-CNN模型以增强先进持续威胁检测

本研究解决了网络安全中检测先进持续威胁（APT）的困难，通过结合2D基础线卷积神经网络（CNN）与猫群优化（CSO）算法，提出了一种创新的方法以显著提升APT检测的准确性。研究结果显示，该方法在各种攻击阶段中达到98.4%的准确率，展现了在应对复杂威胁方面的潜在影响。