بررسی عملکرد تحلیل مولفه اصلی برای سیستم تشخیص نفوذ با استفاده از هستهها ی مختلف ماشین بردار پشتیبان
سه سال پیش منتشر شده
تعداد بازدید: 224
کد پروژه: 383167
شرح پروژه
در این درخواست همه چیز (ریاضیات و توابع) آماده است تنها نیاز به زدن کد می باشد.
مدلی برا ی IDS با استفاده از PCA که تعداد ویژگیهای انتخابی را کاهش دهد و عملکرد IDS را بر اساس مجموعه داده های 99 'Cup KDD و NB15-UNSW افزایش دهد.
مجموعه داده کاهش یافته مدل را با استفاده از توابع خطی، چند جملهای، پایه شعاعی گاوسی، و توابع هسته سیگموید بکار رفته در SVM ارزیابی می کند. نتایج ثابت می کند که پایه شعاعی گاوسی عملکرد بهتری از سایر توابع داشته است
پارامترها ی ور ود ی مورد استفاده برا ی طبقه بندی حملات بر اساس PCA با استفاده از تابع زیر انتخاب شوند.
from sklearn.decomposition import PCA
pca=PCA(n_components=2)
X_train=pca.fit_transform(X_train)
X_test=pca.transform(X_test)
آموزش دادن داده ها با استفاده از تابع زیر :
from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test=train_test_split(X,y,test_size=0.2,random_state=0)
پیش بینی حمله جدید با تابع:
Y_pred= classifier.predict(X_first)
مهارت ها و تخصص های مورد نیاز
مهلت برای انجام
1روز
وضعیت مناقصه
بسته
درباره کارفرما
عضویت سه سال پیش
