Andere Kunden interessierten sich auch für
![Systèmes de Détection et de Prévention des Intrusions]( "Systèmes de Détection et de Prévention des Intrusions")
Systèmes de Détection et de Prévention des Intrusions32,99 €![Procédure de sélection des caractéristiques de l'ensemble]( "Procédure de sélection des caractéristiques de l'ensemble")
Procédure de sélection des caractéristiques de l'ensemble29,99 €![Système de Détection d'Intrusion par Apprentissage Automatique]( "Système de Détection d'Intrusion par Apprentissage Automatique")
Système de Détection d'Intrusion par Apprentissage Automatique36,99 €![Efficacité de la réponse active aux intrusions basée sur le traçage]( "Efficacité de la réponse active aux intrusions basée sur le traçage")
Efficacité de la réponse active aux intrusions basée sur le traçage26,99 €![Programmation approfondie pour l'informatique]( "Programmation approfondie pour l'informatique")
Programmation approfondie pour l'informatique51,99 €![La sécurité informatique au quotidien]( "La sécurité informatique au quotidien")
La sécurité informatique au quotidien44,99 €![Détection comportementale des logiciels malveillants par l'exploration de données]( "Détection comportementale des logiciels malveillants par l'exploration de données")
Détection comportementale des logiciels malveillants par l'exploration de données36,99 €
De nos jours, il est très important de maintenir un niveau de sécurité élevé pour assurer une communication sûre et fiable des informations entre les différentes organisations. Mais la communication sécurisée de données sur Internet et tout autre réseau est toujours menacée par des intrusions et des abus. On peut dire qu'un large éventail de technologies de sécurité telles que le cryptage des informations, le contrôle d'accès et la prévention des intrusions sont utilisées pour protéger les systèmes basés sur le réseau, mais il y a encore de nombreuses intrusions non détectées. Ce projet présente une vue d'ensemble de la détection des intrusions et un algorithme de classification hybride basé sur la baye naïve et le voisin le plus proche K. L'ensemble de données est d'abord passé par le baye naïf pour la classification, générant les probabilités préalables et conditionnelles pour chaque exemple dans l'ensemble de données. En cas d'erreur de classification, l'exemple est transmis au KNN qui classe alors le voisinage de l'exemple et les exemples résultants sont pondérés en fonction de la similarité de chaque voisin de l'exemple, si le Sim(X,Dj) est égal à 1, alors X est normal ; sinon l'algorithme trouve le K plus grand Sim(X,Dj), le vérifie par rapport à un critère d'arrêt (seuil).