Samokonfiguruj¿cy si¿ system wykrywania w¿ama¿ (SCIDS)

Wraz z szybkim rozwojem sieci komputerowych w ci-gu ostatnich kilku lat, bezpiecze-stwo stäo si- kluczow- kwesti- dla nowoczesnych systemów komputerowych. Dobrym sposobem na zidentyfikowanie z-o-liwego u-ycia jest monitorowanie nietypowej aktywno-ci u-ytkownika. Aby zidentyfikowä te z-o-liwe dziäania, wdro-ono ró-ne techniki eksploracji danych i uczenia maszynowego w celu wykrywania w-amä. Niniejsza ksi--ka proponuje samokonfiguruj-cy si- system wykrywania w-amä (SCIDS) do automatycznego dostrajania. Kluczow- ide- jest u-ycie binarnego SLIPPER jako podstawowego modu-u, który jest ucz-cym si- regu-- opart- na wzmocnieniu zaufania. System ten jest oceniany przy u-yciu zbioru danych NSL KDD do wykrywania w-amä. Wyniki eksperymentalne pokazuj-, -e system SCIDS z algorytmem SLIPPER zapewnia lepsz- wydajno-- pod wzgl-dem wskänika wykrywalno-ci, wskänika fäszywych alarmów, cäkowitego kosztu b--dnej klasyfikacji i kosztu na przyk-ad w zbiorze danych NSL-KDD ni- w KDD.

Sandip Sonawane, Assistant Professor, R. C. Patel institute of Technology, Shirpur, Dist- Dhule, Maharashtra State, India. Il rilevamento delle botnet può essere difficile, poiché i bot sono progettati per operare all'insaputa degli utenti. Tuttavia, esistono alcuni segnali comuni che indicano che un computer potrebbe essere stato infettato da un virus botnet.