Информация о статье

2024 г., Том 29, № 5, с.113-123

Сахиб Р.Х., Джавад Д.М., Мташер А.К., Мсад Д.Д.

Система обнаружения сетевых вторжений с использованием моделей машинного обучения и стратегий интеллектуального анализа данных: комплексное исследование

Проблемы кибербезопасности возросли в результате развития вычислительных и интеллектуальных гаджетов и возросшей взаимосвязности многочисленных систем. В этом исследовании изучается использование методов получения данных и моделей машинного обучения при создании систем обнаружения вторжений для сетевой безопасности. Изучая использование нескольких подходов машинного обучения, таких как наивный байесовский алгоритм, случайный лес, метод опорных векторов, дерево решений, метод k-ближайших соседей и XGBoost, предлагаемое исследование пытается ответить на эту проблему. Кроме того, исследуются методы получения данных, включая алгоритмы нахождения ассоциативных правил и кластеризации. Набор данных обнаружения сетевых вторжений, который можно загрузить с веб-сайта Kaggle, используется для обучения и оценки системы. Основная цель этого исследования — предоставить более эффективное и адаптируемое решение проблемы сетевых вторжений, с конечной целью разработки системы, которая может точно и эффективно обнаруживать и реагировать на сетевые вторжения.


Ключевые слова: система обнаружения вторжений, модели машинного обучения, стратегии добычи данных, сетевая безопасность, наивный байесовский алгоритм, случайный лес

doi: 10.25743/ICT.2024.29.5.009

Библиографическая ссылка:
Сахиб Р.Х., Джавад Д.М., Мташер А.К., Мсад Д.Д. Система обнаружения сетевых вторжений с использованием моделей машинного обучения и стратегий интеллектуального анализа данных: комплексное исследование // Вычислительные технологии. 2024. Т. 29. № 5. С. 113-123
Главная| Цели| Редколлегия| Содержание| Поиск| Подписка| Правила| Контакты
ISSN 1560-7534
© 2024 ФИЦ ИВТ, Новосибирск