संविधान विधियों के समूह का उपयोग कर हाइब्रिड घुसपैठ पहचान

पिछले दशक में मशीन लर्निंग में एक प्रमुख विकास समूह विधि है, जो कई मध्यम स्तर के सटीक घटक वर्गीकर्ताओं को मिलाकर अत्यधिक सटीक वर्गीकर्ता खोजता है। इस शोध कार्य में, बैगिंग का उपयोग करके समरूपी समूह वर्गीकर्ताओं के लिए और आर्किंग वर्गीकर्ता का उपयोग करके विषम समूह वर्गीकर्ताओं के लिए नए समूह वर्गीकरण विधियों का प्रस्ताव किया गया है और उनके प्रदर्शन को सटीकता के संदर्भ में विश्लेषित किया गया है। एक वर्गीकर्ता समूह को आधार वर्गीकर्ताओं के रूप में रेडियल बेसिस फंक्शन (RBF) और सपोर्ट वेक्टर मशीन (SVM) का उपयोग करके डिज़ाइन किया गया है। प्रस्तावित दृष्टिकोणों की व्यवहार्यता और लाभों को घुसपैठ पहचान के वास्तविक और बेंचमार्क डेटा सेटों के माध्यम से प्रदर्शित किया गया है। प्रस्तावित दृष्टिकोण की मुख्य मौलिकता तीन मुख्य भागों पर आधारित है: पूर्व-प्रसंस्करण चरण, वर्गीकरण चरण और संयोजन चरण। घुसपैठ पहचान के वास्तविक और बेंचमार्क डेटा सेटों के लिए व्यापक तुलना प्रयोग किए गए हैं। आधार वर्गीकर्ताओं की सटीकता को डेटा माइनिंग समस्या के लिए समरूपी और विषम मॉडलों के साथ तुलना की गई है। प्रस्तावित समूह विधियाँ व्यक्तिगत वर्गीकर्ताओं की तुलना में सटीकता में महत्वपूर्ण सुधार प्रदान करती हैं और विषम मॉडलों ने भी घुसपैठ पहचान के वास्तविक और बेंचमार्क डेटा सेटों के लिए समरूपी मॉडलों की तुलना में बेहतर परिणाम प्रदर्शित किया।