Wykrywanie WlamaŃ Przy UŻyciu Selekcji Cech I Hybrydyzacji

W dzisiejszych czasach bardzo wane jest utrzymanie wysokiego poziomu bezpieczestwa, aby zapewni bezpieczn i zaufan komunikacj informacji pomidzy rnymi organizacjami. Bezsprzecznie, szeroki zakres technologii bezpieczestwa, takich jak szyfrowanie informacji, kontrola dostpu i zapobieganie wamaniom s wykorzystywane do ochrony systemw opartych na sieci, ale nadal istnieje wiele niewykrytych wama.Ten projekt przedstawia przegld wykrywania wama i hybrydowy algorytm klasyfikacji oparty na naiwnej baye i K Nearest neighbour. Zbir danych jest najpierw przepuszczany przez algorytm naiwnej baye w celu klasyfikacji, generujc priorytety i prawdopodobiestwa warunkowe dla kadego przykadu w zbiorze danych. Jeli wystpi bdna klasyfikacja, przykad jest przekazywany do KNN, ktry nastpnie szereguje ssiedztwo przykadu, a wynikowe przykady s waone przy uyciu podobiestwa kadego z ssiadw przykadu, jeli Sim(X,Dj) jest rwne 1, to X jest normalny, w przeciwnym razie algorytm znajduje K najwikszych Sim(X,Dj), sprawdza je wzgldem kryterium zatrzymania (prg).