Andere Kunden interessierten sich auch für
![Histoire du trafic]( "Histoire du trafic")
Histoire du trafic23,99 €![Prédiction de route dans les VANET pour augmenter le débit du trafic]( "Prédiction de route dans les VANET pour augmenter le débit du trafic")
Prédiction de route dans les VANET pour augmenter le débit du trafic26,99 €![Un système intelligent pour le contrôle du trafic dans les villes intelligentes]( "Un système intelligent pour le contrôle du trafic dans les villes intelligentes")
Un système intelligent pour le contrôle du trafic dans les villes intelligentes23,99 €![Déploiement d'un prototype de réseau sécurisé pour une meilleure connectivité]( "Déploiement d'un prototype de réseau sécurisé pour une meilleure connectivité")
Déploiement d'un prototype de réseau sécurisé pour une meilleure connectivité44,99 €![Techniques statistiques appliquées à l'exploration de données]( "Techniques statistiques appliquées à l'exploration de données")
Techniques statistiques appliquées à l'exploration de données64,99 €![Minimiser les retards et améliorer la vitesse des véhicules dans le réseau VANET]( "Minimiser les retards et améliorer la vitesse des véhicules dans le réseau VANET")
Minimiser les retards et améliorer la vitesse des véhicules dans le réseau VANET29,99 €![Système de stationnement intelligent - une autre façon de faire de l'économie de partage]( "Système de stationnement intelligent - une autre façon de faire de l'économie de partage")
Système de stationnement intelligent - une autre façon de faire de l'économie de partage26,99 €
La criminalistique de réseau permet de traquer les cyberfraudeurs en évaluant et en retraçant les données du réseau. La criminalistique de réseau consiste à analyser le trafic réseau afin de détecter les intrusions et d'étudier la façon dont le crime s'est produit, c'est-à-dire d'établir une scène de crime pour l'enquête et la reconstitution. Cette étude propose un modèle et une architecture générale de processus d'investigation du réseau. Un ensemble de données secondaires, KDD CUP, composé de trafic normal et anormal, est utilisé pour l'analyse afin de simuler l'ensemble du processus. L'ensemble de données est largement traité pour la sélection des caractéristiques et la suppression des redondances. L'ensemble de données a été nettoyé avant d'être analysé à l'aide du modèle d'apprentissage Support Vector Machine pour classer le trafic. La classification multiclasse a été utilisée pour classer les différents types d'attaques réseau. La précision du modèle est ensuite évaluée à l'aide des résultats obtenus.