Алгоритмы машинного обучения для классификации угроз информационной безопасности

Содержание не найдено

СПИСОК ЛИТЕРАТУРЫ
https://www.bigdataschool.ru/wiki/machine-learning
https://habr.com/ru/company/ods/blog/322534/
http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение
https://ict.az/uploads/konfrans/biq_data/2-12_Yadigar_mamverdiyev__________SON.pdf
https://cyberleninka.ru/article/n/ugrozy-bezopasnosti-vychislitelnyh-kompleksov-klassifikatsiya-istochniki-vozniknoveniya-i-metody-protivodeystviya/viewer

Создание обучающего набора данных;
Определение атрибутов и классов;
Определение важных особенностей для классификации;
Обучение модели использование примеров из обучающей выборки;
Использование модели классификации неизвестных образцов данных.
Кластеризация – разделение множества объектов на группы на основании признаков данных объектов так, чтобы внутри группы были объекты похоже между собой, а вне одной группы менее похожи. Техника кластеризации может быть использована для обнаружения вторжений и неизвестных атак.
Регрессия – прогнозирование количественного признака объекта на основании прочих его признаков.
Целью машинного обучения является обучение целевой функции F, которая по наилучшему пути соотносит входные переменные Х и выходную переменную Y.
Рассматриваемые алгоритмы:
Деревья принятия решений
Метод к-ближайших соседей (K-nearest neighbors)