Andere Kunden interessierten sich auch für
![Networking, capacità di assorbimento e innovatività del cluster ICT di Lagos]( "Networking, capacità di assorbimento e innovatività del cluster ICT di Lagos")
Networking, capacità di assorbimento e innovatività del cluster ICT di Lagos23,99 €![Ridistribuzione della rete di computer]( "Ridistribuzione della rete di computer")
Ridistribuzione della rete di computer26,99 €![Storie di successo sulla sicurezza del cloud]( "Storie di successo sulla sicurezza del cloud")
Storie di successo sulla sicurezza del cloud29,99 €![Implementazione di un prototipo di rete protetta per una maggiore connettività]( "Implementazione di un prototipo di rete protetta per una maggiore connettività")
Implementazione di un prototipo di rete protetta per una maggiore connettività44,99 €![Generazione di sculture tramite rete avversaria generativa]( "Generazione di sculture tramite rete avversaria generativa")
Generazione di sculture tramite rete avversaria generativa22,99 €![Storia del traffico]( "Storia del traffico")
Storia del traffico23,99 €![Ottimizzazione di un sistema di rete VoIP unificato protetto IPv4 e IPv6]( "Ottimizzazione di un sistema di rete VoIP unificato protetto IPv4 e IPv6")
Ottimizzazione di un sistema di rete VoIP unificato protetto IPv4 e IPv640,99 €
La scienza forense di rete aiuta a rintracciare i truffatori informatici valutando e rintracciando i dati di rete. L'uso di vari strumenti di raccolta del traffico di rete è necessario. La network forensics analizza il traffico di rete per rilevare le intrusioni e studiare come si è verificato il crimine, cioè stabilire una scena del crimine per le indagini e le repliche. Questo studio propone un modello e un'architettura generale del processo di network forensic. Per l'analisi viene utilizzato un set di dati secondari, KDD CUP, di traffico normale e anomalo, per simulare l'intero processo. Il set di dati è stato ampiamente elaborato per la selezione delle caratteristiche e la rimozione della ridondanza. Il set di dati è stato pulito prima di essere analizzato utilizzando il modello di apprendimento Support Vector Machine per classificare il traffico. La classificazione multiclasse è stata utilizzata per classificare vari tipi di attacchi di rete. L'accuratezza del modello è stata valutata sulla base dei risultati ottenuti.