Rilevamento Delle Intrusioni Utilizzando La Selezione Delle Caratteristiche E l'Ibridazione

Al giorno d'oggi molto importante mantenere un alto livello di sicurezza per garantire una comunicazione sicura e affidabile delle informazioni tra varie organizzazioni. Indubbiamente, una vasta gamma di tecnologie di sicurezza come la crittografia delle informazioni, il controllo degli accessi e la prevenzione delle intrusioni sono utilizzati per proteggere i sistemi basati sulla rete, ma ci sono ancora molte intrusioni non rilevate. Questo progetto presenta una panoramica sul rilevamento delle intrusioni e un algoritmo di classificazione ibrido basato su Na ve Baye e K Nearest neighbour. Il set di dati viene prima passato attraverso il Na ve Baye per la classificazione, generando la priorit e le probabilit condizionali per ogni esempio nel set di dati. Se c' un errore di classificazione, l'esempio viene passato al KNN che poi classifica il vicinato dell'esempio e gli esempi risultanti sono pesati usando la somiglianza di ogni vicino dell'esempio, se il Sim(X, Dj) uguale a 1, allora X normale, altrimenti l'algoritmo trova il K pi grande Sim(X, Dj), lo controlla contro un criterio di arresto (soglia). Se pi grande, allora X classificato normale, altrimenti X di classe