Key points are not available for this paper at this time.
KDD CUP 1999 घुसपैठ का पता लगाने वाला डेटासेट तीसरे अंतरराष्ट्रीय ज्ञान खोज और डेटा खनन उपकरण प्रतियोगिता में प्रस्तुत किया गया था, और इसका उपयोग कई अध्ययनों के लिए व्यापक रूप से किया गया है। KDD CUP 1999 डेटासेट के हमले के प्रकारों को चार श्रेणियों में विभाजित किया गया है: उपयोगकर्ता से रूट (U2R), दूरस्थ से स्थानीय (R2L), सेवा से इनकार (DoS), और प्रॉब। हम सामान्य श्रेणी जोड़कर पांच श्रेणियाँ उपयोग करते हैं। हम U2R, R2L, और प्रॉब श्रेणियों को परिभाषित करते हैं, जो कुल डेटासेट का 1% से कम हैं, दुर्लभ श्रेणियाँ कहलाती हैं। इस अध्ययन में, हम डेटासेट की श्रेणी असंतुलन को कम करने का प्रयास करते हैं। सिंथेटिक माइनॉरिटी ओवरसैंप्लिंग तकनीक (SMOTE) का उपयोग करते हुए, हमने दुर्लभ श्रेणियों (U2R, R2L, और प्रॉब) के लिए SMOTE अनुपातों को अनुकूलित करने का प्रयास किया। SMOTE अनुपातों की एक संख्या के ट्युपल को यादृच्छिक रूप से उत्पन्न करने के बाद, इन ट्युपल का उपयोग दुर्लभ श्रेणियों के SMOTE अनुपातों को अनुकूलित करने के लिए एक संख्या मॉडल बनाने के लिए किया गया। मॉडल बनाने के लिए सपोर्ट वेक्टर रिग्रेशन का उपयोग किया गया। हम परीक्षण डेटासेट में प्रत्येक उदाहरण को मॉडल में असाइन करते हैं और सबसे अच्छे SMOTE अनुपातों का चयन करते हैं। मशीन-शिक्षण तकनीकों का उपयोग करते हुए प्रयोग सर्वोत्तम अनुपातों के साथ किए गए। प्रस्तावित विधि का उपयोग करके प्राप्त परिणाम पिछले दृष्टिकोणों और अन्य संबंधित कार्यों की तुलना में महत्वपूर्ण रूप से बेहतर थे।
Seo et al. (Thu,) ने इस प्रश्न का अध्ययन किया।