54,90 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

Heutzutage spielen die Sicherheitsprobleme von Computernetzwerken eine zentrale Rolle. Das Netz ist anfällig für Angriffe wie DOS, U2R, R2L usw. Diese Angriffe nutzen eine Schwachstelle im Netzwerk aus, um sich illegal Zugang zu wichtigen Informationen zu verschaffen oder manchmal eine Flut von Daten zu erzeugen, um echte Benutzer am Zugang zu hindern. Netzwerkangreifer nutzen ein massives Volumen an Netzwerkverkehr in kurzer Zeit, um einen Opferhost unerreichbar zu machen, wobei eine schnelle und effiziente Erkennung von Netzwerkeinbrüchen eine große Herausforderung darstellt. Der Umfang des…mehr

Produktbeschreibung
Heutzutage spielen die Sicherheitsprobleme von Computernetzwerken eine zentrale Rolle. Das Netz ist anfällig für Angriffe wie DOS, U2R, R2L usw. Diese Angriffe nutzen eine Schwachstelle im Netzwerk aus, um sich illegal Zugang zu wichtigen Informationen zu verschaffen oder manchmal eine Flut von Daten zu erzeugen, um echte Benutzer am Zugang zu hindern. Netzwerkangreifer nutzen ein massives Volumen an Netzwerkverkehr in kurzer Zeit, um einen Opferhost unerreichbar zu machen, wobei eine schnelle und effiziente Erkennung von Netzwerkeinbrüchen eine große Herausforderung darstellt. Der Umfang des Netzwerkverkehrs wird immer größer und komplexer, und das vorgeschlagene System zur Erkennung von Eindringlingen sollte in der Lage sein, große Mengen an Netzwerkdaten zu verarbeiten, um Eindringlinge im Netzwerk so früh wie möglich zu erkennen. In diesem Buch geht es um die Implementierung eines Systems zur Erkennung von Eindringlingen in ein Netzwerk, das Assoziationsregeln und eine quadratische Klassifizierung mit der Bibliothek für maschinelles Lernen von Spark verwendet.
Autorenporträt
O Dr Pradeep Laxkar trabalha como professor associado e chefe do Departamento de Engenharia Informática do Universo Vadodara do ITM. Ele tem 13 anos de experiência académica e a sua área de interesse é a segurança da informação e os Grandes Dados.