基于人工神经网络的Web客户端分类

Question

我的网站流量很大。
我想创建一个软件，可以即时分析客户端请求，并决定它们是来自真实用户还是僵尸网络僵尸程序。为了训练神经网络识别合法（“好”）用户，我可以在没有DDoS活动时使用日志。一旦经过培训，网络就会将真实用户与机器人区分开来。

我有什么：

• 请求URI（和订单）
• 饼干
• 用户代理
• 请求频率。

关于如何为此任务最佳地设计ANN以及如何调整它的任何想法？

编辑：[回应关于此问题范围过宽的评论]

我目前有一个有效的C＃程序，它根据相同请求的频率阻止客户端。现在我想用基于神经网络的分类器来改善其“智能”。
我不知道如何规范人工神经网络的这些输入，我需要在这一特定领域提出建议。

Answer 1

这不适合神经网络。提供神经网络（作为粗略指南）：

1. 您可以节省处理能力，
2. 数据不是暂时的，
3. 输入数据是有限的，

我不认为你真的通过了这些。

Answer 2

Re：规范化输入：将输入数据映射到一组符号（然后将其转换为数字），或者将输入映射到浮点数，其中数字代表某种程度的强度。您可以将任何类型的数据映射到任何类型的方案，但是当问题解决方案是非线性时，您实际上只想使用ANN（另一个分类的一个分类的所有数据都不能聚集在一条线的一侧）该线另一侧的其他分类数据）。在这两种情况下，您最终得到一个与输出相关的输入向量（[BOT，HUMAN]或[BOT，HUMAN，UNKNOWN]或[BOT，PROBABLY-BOT，ProBABLY-HUMAN，HUMAN]等）。

如何区分两个用户偶然及时提交完全相同的图书请求（让我们假设您正在销售图书）？