Sensibilisierung für Netzwerkeinbrüche durch Datenfusion und SVM-Klassifizierung

Die Erkennung von Netzwerkeinbrüchen ist ein wichtiger Faktor für die Risikoanalyse der Netzwerksicherheit. In den letzten zehn Jahren wurden verschiedene Methoden und Rahmenwerke für die Erkennung von Eindringlingen und die Sicherheitswarnung entwickelt. Eine Reihe von Methoden basiert auf einem Wissensfindungsprozess und einige Rahmenwerke basieren auf einem neuronalen Netzwerk. Diese vollständigen Modelle treffen regelbasierte Entscheidungen für die Generierung von Sicherheitswarnungen. In dieser Dissertation haben wir eine neuartige Methode zur Erkennung von Eindringlingen mittels Datenfusion und SVM-Klassifizierung vorgeschlagen. Die Datenfusion arbeitet mit den Verzerrungen der Merkmale, die beim Auftreten gesammelt werden. Support Vector Machine ist ein Superklassifikator für Daten. Jetzt haben wir SVM für die Erkennung von geschlossenen Elementen der regelbasierten Technik verwendet.

Autorentext

Herr Chandra Prakash Bhargava arbeitet derzeit als Assistenzprofessor (CS Dept) am ITM Gwalior. Er hat eine Erfahrung von mehr als 16 Jahren. Er hat bereits viele Forschungsarbeiten auf renommierten Konferenzen veröffentlicht.Dr. Pradeep Yadav arbeitet derzeit als außerordentlicher Professor (CS Dept.) am ITM Gwalior. Er hat eine Erfahrung von 16 Jahren.