Key points are not available for this paper at this time.
L'un des plus grands défis pour les administrateurs réseau et les chercheurs est la détection des anomalies dans le trafic réseau. S'ils avaient un outil capable de détecter ces anomalies de manière précise et rapide, ils pourraient prévenir de nombreux problèmes graves causés par celles-ci. Nous avons réalisé des expériences afin d'étudier la relation entre les caractéristiques basées sur des intervalles du trafic réseau et plusieurs types d'anomalies réseau en utilisant deux célèbres algorithmes d'apprentissage automatique : le Naïve Bayes et le k-plus-proche voisin. Nos résultats aideront les chercheurs et les administrateurs réseau à sélectionner des caractéristiques basées sur des intervalles efficaces pour chaque type particulier d'anomalie et à choisir un algorithme d'apprentissage automatique adapté à leur propre système réseau.
Limthong et al. (Sun,) ont étudié cette question.