WYKRYWANIE WŁAMAŃ PRZY UŻYCIU SELEKCJI CECH I HYBRYDYZACJI
W dzisiejszych czasach bardzo ważne jest utrzymanie wysokiego poziomu bezpieczeństwa, aby zapewnić bezpieczną i zaufaną komunikację informacji pomiędzy różnymi organizacjami. Bezsprzecznie, szeroki zakres technologii bezpieczeństwa, takich jak szyfrowanie informacji, kontrola dostępu i zapobieganie włamaniom są wykorzystywane do ochrony systemów opartych na sieci, ale nadal istnieje wiele niewykrytych włamań.Ten projekt przedstawia przegląd wykrywania włamań i hybrydowy algorytm klasyfikacji oparty na naiwnej baye i K Nearest neighbour. Zbiór danych jest najpierw przepuszczany przez algorytm naiwnej baye w celu klasyfikacji, generując priorytety i prawdopodobieństwa warunkowe dla każdego przykładu w zbiorze danych. Jeśli wystąpi błędna klasyfikacja, przykład jest przekazywany do KNN, który następnie szereguje sąsiedztwo przykładu, a wynikowe przykłady są ważone przy użyciu podobieństwa każdego z sąsiadów przykładu, jeśli Sim(X,Dj) jest równe 1, to X jest normalny, w przeciwnym razie algorytm znajduje K największych Sim(X,Dj), sprawdza je względem kryterium zatrzymania (próg).