Wraz z szybkim rozwojem sieci komputerowych w ci¿gu ostatnich kilku lat, bezpiecze¿stwo stäo si¿ kluczow¿ kwesti¿ dla nowoczesnych systemów komputerowych. Dobrym sposobem na zidentyfikowanie z¿o¿liwego u¿ycia jest monitorowanie nietypowej aktywno¿ci u¿ytkownika. Aby zidentyfikowä te z¿o¿liwe dziäania, wdro¿ono ró¿ne techniki eksploracji danych i uczenia maszynowego w celu wykrywania w¿amä. Niniejsza ksi¿¿ka proponuje samokonfiguruj¿cy si¿ system wykrywania w¿amä (SCIDS) do automatycznego dostrajania. Kluczow¿ ide¿ jest u¿ycie binarnego SLIPPER jako podstawowego modu¿u, który jest ucz¿cym si¿ regu¿¿ opart¿ na wzmocnieniu zaufania. System ten jest oceniany przy u¿yciu zbioru danych NSL KDD do wykrywania w¿amä. Wyniki eksperymentalne pokazuj¿, ¿e system SCIDS z algorytmem SLIPPER zapewnia lepsz¿ wydajno¿¿ pod wzgl¿dem wskänika wykrywalno¿ci, wskänika fäszywych alarmów, cäkowitego kosztu b¿¿dnej klasyfikacji i kosztu na przyk¿ad w zbiorze danych NSL-KDD ni¿ w KDD.				
				
				
			Bitte wählen Sie Ihr Anliegen aus.
Rechnungen
Retourenschein anfordern
Bestellstatus
Storno







