Библиографическое описание:Network Intrusion Detection System Using Machinelearning Models and Data MIning Strategies: Comprehensive Study / R. H. Sahib, D. H. M. Jawad, A. K. Mtasher, J. J. Msad. - (Информационные технологии). - Текст : непосредственный // Вычислительные технологии. - 2024. - Т. 29, № 5. - С. 113-123. - Библиогр.: с. 123 (25 назв.). - Авт., загл., аннот., кл. сл. парал. рус., англ. - ISSN 1560-7534.
Аннотация:Проблемы кибербезопасности увеличились 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.
