Andere Kunden interessierten sich auch für
![Aplicación de la metodología de los sistemas blandos para desarrollar el modelo de seguridad de los SI]( "Aplicación de la metodología de los sistemas blandos para desarrollar el modelo de seguridad de los SI")
Aplicación de la metodología de los sistemas blandos para desarrollar el modelo de seguridad de los SI36,99 €![La minería de datos en la práctica]( "La minería de datos en la práctica")
La minería de datos en la práctica36,99 €![Percepción aérea de amenazas mediante minería de datos]( "Percepción aérea de amenazas mediante minería de datos")
Percepción aérea de amenazas mediante minería de datos33,99 €![Minería de reglas de asociación en datos progresivos y de alta dimensión]( "Minería de reglas de asociación en datos progresivos y de alta dimensión")
Minería de reglas de asociación en datos progresivos y de alta dimensión48,99 €![Rendimiento de los estudiantes: Una perspectiva de minería de datos]( "Rendimiento de los estudiantes: Una perspectiva de minería de datos")
Rendimiento de los estudiantes: Una perspectiva de minería de datos19,99 €![Diseño y desarrollo de un modelo de datos para la ciberamenaza]( "Diseño y desarrollo de un modelo de datos para la ciberamenaza")
Diseño y desarrollo de un modelo de datos para la ciberamenaza36,99 €![Minería de datos aplicada a las reseñas de productos]( "Minería de datos aplicada a las reseñas de productos")
Minería de datos aplicada a las reseñas de productos34,99 €
Los sistemas de detección de intrusos (IDS) son elementos importantes en las defensas de las redes para ayudar a protegerlas contra ciberataques cada vez más sofisticados. El objetivo de este proyecto es presentar una novedosa técnica de detección de anomalías que puede utilizarse para detectar ataques previamente desconocidos en una red mediante la identificación de características de ataque. Este método de identificación de características basado en los efectos combina de forma única el clustering de k-means; la selección de características de NaiveBayes y la clasificación de árboles de decisión C4.5 para encontrar ciberataques con un alto grado de precisión y utilizó el conjunto de datos KDD99CUP como entrada. Básicamente, detecta si los ataques existen o no, como IPSWEEP, NEPTUNE, SMURF.