شما مالک این فایلی که در حال فروش در پوشه است هستید؟ کلیک کنید

تشخیص نفوذ شبکه با استفاده از الگوریتم‌های یادگیری ماشین: (مجموعه داده UNSW-NB15)

در این تحقیق از پنج الگوریتم یادگیری ماشین(جنگل تصادفی، درخت تصمیم‌گیری، رگرسیون لجستیک، k نزدیک‌ترین همسایه و شبکه عصبی مصنوعی) برای تشخیص حمله استفاده شده است. در این تحقیق برای ارزیابی الگوریتم‌ها از مجموعه داده مرجع UNSW-NB15 استفاده شده است. یک مجموعه داده نسبتاً جدید که حاوی مقدار زیادی داده ترافیک شبکه با 9 کلاس از حملات شبکه است. نتایج در محیط ژوپیتر(Jupyter) پایتون نشان می‌دهد که الگوریتم جنگل تصادفی به بالاترین درصد صحت دست یافته است. همچنین از تکنیک نمونه‌برداری بیش از حد اقلیت ترکیبی(SMOTE) برای مشکل عدم تعادل کلاس‌ها استفاده شده است. پس از اعمال SMOTE، الگوریتم جنگل تصادفی با 24 ویژگی انتخاب شده با روش تجزیه و تحلیل مؤلفه‌های اصلی(PCA) به درصد صحت بالاتری دست یافته است.
برچسب ها: سیستم تشخیص نفوذ شبکه(NIDS) مجموعه داده UNSW NB15 الگوریتم‌های یادگیری ماشین الگوریتم‌های نظارتی کلاس‌های نامتعادل

فایل های دیگر این دسته

مجوزها،گواهینامه ها و بانکهای همکار

sara دارای نماد اعتماد الکترونیک از وزارت صنعت و همچنین دارای قرارداد پرداختهای اینترنتی با شرکتهای بزرگ به پرداخت ملت و زرین پال و آقای پرداخت میباشد که در زیـر میـتوانید مجـوزها را مشاهده کنید

بانک ملت
آقای پرداخت
زرین پال
نماد تجارت الکترونیک