...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Procedia Computer Science >Training Guidance with KDD Cup 1999 and NSL-KDD Data Sets of ANIDINR: Anomaly-Based Network Intrusion Detection System
【24h】

Training Guidance with KDD Cup 1999 and NSL-KDD Data Sets of ANIDINR: Anomaly-Based Network Intrusion Detection System

机译：培训指导与kdd cup 1999和Anidinr的NSL-KDD数据集：基于异常的网络入侵检测系统

获取原文
   

获取外文期刊封面封底 >>

       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In today’s world, the protection of the computer networks remains one of the most crucial and difficult challenges in cyber security. In this work, a passive defence system ANIDINR is presented, aiming to monitor and protect computer networks. Our effort is focused on providing step-by-step guidance on methodologies selection and execution for the Machine and Deep Learning models’ training. Taking as an input two data sets, five MDL models are evaluated. Our goals are to minimise the percentage of Undetected Attack, the percentage of False Alarm Rate and the overall testing time. Based on this set-up, the proposed system is capable to predict in near-to-real time well-known and zero-day computer network attacks.
机译：在今天的世界中，保护计算机网络的保护仍然是网络安全最重要和最困难的挑战之一。在这项工作中，展示了一个被动防御系统Anidinr，旨在监控和保护计算机网络。我们的努力致力于为机器和深度学习模型培训提供方法选择和执行的逐步指导。作为输入两个数据集，评估五个MDL模型。我们的目标是最大限度地减少未检测到的攻击的百分比，误报率的百分比和整体测试时间。基于此设置，所提出的系统能够在近乎实时众所周知的众所周知和零计算机网络攻击中预测。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号