文件名称：UMBC-Data-Science-606:顶点数据606
文件大小：92.14MB
文件格式：ZIP
更新时间：2024-05-02 05:47:05
JupyterNotebook
机器学习方法的网络入侵检测系统 顶点数据606 作者：Edwin Valdez（MSP数据科学-马里兰巴尔的摩县大学） 项目内容 目录 项目概况 该项目旨在创建具有机器学习功能的网络入侵检测系统（NIDS）。 该系统将监视和检测网络上可能导致未来攻击的恶意活动。 系统将使用神经网络算法执行分类方法，该方法能够预测网络是恶意的还是正常的。 NIDS是针对当前设备日益增加的网络攻击问题的解决方案，这些问题可能进一步损害公司。 许多公司通过在线使用应用程序和交易来依靠互联网上的服务。 因此，该模型系统旨在为可能影响那些服务的可能的网络攻击提供另一层保护/检测。 物流实施 网络入侵检测系统（NIDS）将使用神经网络算法来实现，该算法使用带有包含正常和恶意活动的网络流量的预标签数据集。 由于我们正在处理大型网络流量数据集，因此神经网络算法将能够利用那些网络流量数据的特征（超过49个特征）来预测活动
【文件预览】：
UMBC-Data-Science-606-main
----Data.zip(84.08MB)
----Phase 2- Delivery()
--------Presentation_Phase2.pdf(1.37MB)
--------Second Phase.ipynb(383KB)
----README.md(6KB)
----Phase 1- Delivery()
--------First phase Project606_Update.ipynb(276KB)
--------presentation_phase1.pptx(6.74MB)
----Images()
--------grap_distribution.JPG(72KB)
--------distribution_attack.JPG(69KB)
--------accuracy_tainingVal.JPG(34KB)
--------corr_matrix.JPG(80KB)
--------loss_value.JPG(30KB)
----Old-Version()
--------README_Old.md(3KB)