निर्णय वृक्ष और कृत्रिम तंत्रिका नेटवर्क मॉडलों का उपयोग करके घुसपैठ पहचान के प्रदर्शन पर एक तुलनात्मक अध्ययन

वर्तमान में, इंटरनेट व्यापार क्षेत्र में एक आवश्यक उपकरण के रूप में उपयोग किया जाता है। इस महत्वपूर्णता के बावजूद, नेटवर्क हमलों का जोखिम है जो धोखाधड़ी, निजी जानकारी, और साइबर आतंकवाद का संग्रह करने का प्रयास करते हैं। फ़ायरवॉल और IDS (घुसपैठ पहचान प्रणाली) उन हमलों के खिलाफ उपकरण हैं। IDS यह निर्धारित करने के लिए उपयोग किया जाता है कि क्या नेटवर्क डेटा एक नेटवर्क हमला है। IDS विभिन्न तकनीकों का उपयोग करके नेटवर्क डेटा का विश्लेषण करता है, जिसमें विशेषज्ञ प्रणाली, डेटा खनन, और राज्य संक्रमण विश्लेषण शामिल हैं। यह लेख नेटवर्क हमलों का पता लगाने में दो डेटा खनन मॉडलों के प्रदर्शन की तुलना करने का प्रयास करता है। वे निर्णय वृक्ष (C4.5) और तंत्रिका नेटवर्क (FANN मॉडल) हैं। मैंने डेटा के साथ इन मॉडलों को प्रशिक्षित और परीक्षण किया और पहचान सटीकता, पहचान दर, और झूठी अलार्म दर के संदर्भ में प्रभावशीलता को मापा। यह लेख यह पता लगाने का प्रयास करता है कि घुसपैठ पहचान में कौन सा मॉडल प्रभावी है। विश्लेषण में, मैंने KDD कप 99 डेटा का उपयोग किया जो घुसपैठ पहचान अनुसंधान में एक बेंचमार्क डेटा है। मैंने C4.5 मॉडल के लिए एक ओपन सोर्स Weka सॉफ़्टवेयर का उपयोग किया, और FANN मॉडल के लिए उपलब्ध C++ कोड का उपयोग किया।