|
Dòng
|
Nội dung
|
|
1
|
Cải thiện khả năng phát hiện tấn công mạng bằng kỹ thuật học sâu / Tô Trọng Tín // Tạp chí Khoa học và Công nghệ . - 2018. - Số 1, tr. 7-12. - ISSN:
Ký hiệu phân loại (DDC):
Hệ thống phát hiện tấn công mạng (Intrusion Detection System - IDS) là một phần mềm bảo mật được thiết kế để cảnh báo một cách tự động cho các quản trị viên khi có ai đó ho c cái gì đó đang cố gắng xâm nhập hệ thống thông qua các hoạt động nguy hiểm ho c vi phạm chính sách bảo mật. Nhiều nghiên cứu đ áp dụng thành công các thuật toán máy học để hệ thống IDS có khả n ng tự học và cập nhật các cuộc tấn công mới. Nhưng để hạn chế báo động nhầm và t ng khả n ng dự đoán các cuộc tấn công, thì ngoài khả n ng tự quyết định, IDS cần phải có tư duy ph n tích. Một khả n ng mà các nhà nghiên cứu gọi là học sâu. Bài viết này đề cập đến học s u như một hướng tiếp cận mới có thể giúp hệ thống IDS cải thiện độ ch nh xác và t ng tốc độ phân tích khi đầu vào quá lớn. Với việc áp dụng mạng thần kinh s u như mạng đa lớp n (Multilayer Perceptron - MLP) và mạng neural hồi quy (Recurrent Neural Network – RNN) trên tập dữ liệu KDD99 được sử dụng để đánh giá độ ch nh xác (Accuracy), độ l i phân lớp (MSE – Mean Squared Error) và ma trận h n loạn (Confusion Matrix). Hiệu quả đạt được là 98,2% với MLP và 99,04% với RNNs, so với 92,6% của SVM và 88.46% của Naïve Bayes..
Số bản sách:
(0)
Tài liệu số:
(1)
|
|
2
|
|
|
3
|
Phát triển hệ thống dự báo thời tiết bằng học sâu : Khoá luận tốt nghiệp chuyên ngành Khoa học dữ liệu / Nguyễn Hà Gia Bảo; Đặng Như Phú hướng dẫn
Tp. Hồ Chí Minh : Trường Đại học Nguyễn Tất Thành, 2025
65 tr. : bảng, hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 006.3
Nghiên cứu nhằm khám phá và ứng dụng các mô hình học sâu và học máy tiên tiến để nâng cao hiệu quả và độ chính xác của dự báo thời tiết. Đánh giá hiệu quả của các mô hình học sâu: So sánh hiệu quả của các mô hình học sâu với các mô hình dự báo thời tiết truyền thống về độ chính xác và khả năng dự đoán. Khám phá các yếu tố ảnh hưởng đến dự báo thời tiết: Phân tích các yếu tố ảnh hưởng đến độ chính xác của các mô hình học sâu và đề xuất các biện pháp cải thiện.Nghiên cứu này không chỉ tập trung vào việc phát triển các mô hình mới mà còn xem xét việc tích hợp dữ liệu từ nhiều nguồn, cải thiện khả năng xử lý và dự báo thời gian thực, cũng như tối ưu hóa các phương pháp tính toán để ứng dụng rộng rãi trong thực tiễn.
Số bản sách:
(1)
Tài liệu số:
(0)
|
|
4
|
|
|
|
|
|