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
Ứng dụng máy học trong phát hiện các liên kết độc hại trên internet : Luận văn Thạc sỹ Công nghệ Thông tin ; Mã số: 848.02.01 / Trần Huy Định ; Nguyễn Kim Quốc hướng dẫn
TP.HCM : Đại học Nguyễn Tất Thành, 2021
67 tr. : Bảng biểu ; 29 cm.
Ký hiệu phân loại (DDC): 343.095
Đề tài đi vào tìm hiểu tổng quan URL, URL độc hại; Các phương pháp phòng tranh liên kết độc hại hiện nay; Xây dựng mô hình nhận dạng URL độc hại bằng phương pháp máy học.
Số bản sách: (1) Tài liệu số: (1)
3
Ứng dụng máy học trong việc phát hiện các liên kết độc hại : Báo cáo Tổng kết Đề tài Nghiên cứu Khoa học dành cho Cán bộ - Giảng viên 2021 / Nguyễn Kim Quốc
Tp. Hồ Chí Minh : Trường Đại học Nguyễn Tất Thành, 2022.
54 tr. : Bảng, hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 005.2
Tìm hiểu tổng quan URL, URL độc hại, các phương pháp phòng tránh liên kết độc hại hiện nay. Từ đó, xây dựng mô hình nhận dạng URL độc hại bằng phương pháp máy học: kNN; Naive Bayes; cây quyết định; máy học véc-tơ hỗ trợ.
Số bản sách: (1) Tài liệu số: (0)