In the trivial case, we see that a

In the trivial case, we see that a single node detects the
same percentage of attacks as the percentage of traffic that it
analyses. When more nodes are added to a neighbourhood,
a greater number of attacks is detected even though the
percentage of packets being analysed stays the same for each
node. This is because multiple nodes randomly analysing
traffic increases the total amount of unique traffic that is
analysed by the neighbourhood as a whole. Our simulations
show that 1 node listening to a random 30% of network events
identifies 30% of attacks, while 5 nodes listening to their own
random 30% of network events are able to identify more than
80% of network attacks. As the number of nodes continues to
increase, we notice that the benefit to be gained (in terms of
percentage of attacks detected) from increasing the amount of
nodes decreases.

ผลลัพธ์ (ไทย) 1:

ในกรณีเล็กน้อย เราเห็นว่า โหนเดียวตรวจพบการเปอร์เซ็นต์ที่เท่ากันของโจมตีเป็นเปอร์เซ็นต์ของปริมาณการใช้วิเคราะห์ เมื่อมีโหนดที่จะเพิ่มการเขียนพบจำนวนการโจมตีมากขึ้นแม้จะเปอร์เซ็นต์ของแพคเก็ตที่มี analysed อยู่เหมือนกันสำหรับแต่ละโหน ทั้งนี้เนื่องจากหลายโหนสุ่มวิเคราะห์จราจรเพิ่มยอดรวมของปริมาณการใช้เฉพาะที่analysed ตามไปทั้งหมด จำลองของเราแสดงว่าโหน 1 ฟัง 30% สุ่มของเครือข่ายระบุ 30% ของการโจมตี ในขณะที่โหน 5 ฟังของตนเองสุ่ม 30% ของเครือข่ายสามารถระบุมากกว่า80% ของการโจมตีเครือข่าย เป็นจำนวนของโหนยังคงเพิ่มขึ้น เราสังเกตที่ได้รับ (ในแง่ของประโยชน์เปอร์เซ็นต์ของการโจมตีที่พบ) จากการเพิ่มจำนวนโหนดลดลง

ผลลัพธ์ (ไทย) 2:

ในกรณีที่เล็ก ๆ น้อย ๆ ที่เราเห็นว่าโหนดเดียวตรวจพบร้อยละเดียวกันของการโจมตีเป็นร้อยละของการจราจรที่จะวิเคราะห์ เมื่อโหนดมากขึ้นมีการเพิ่มพื้นที่ใกล้เคียงเป็นจำนวนมากของการตรวจพบการโจมตีแม้ว่าร้อยละของแพ็กเก็ตการวิเคราะห์อยู่เหมือนกันสำหรับแต่ละโหนด เพราะนี่คือโหนดหลายสุ่มวิเคราะห์การจราจรเพิ่มจำนวนของการเข้าชมที่ไม่ซ้ำกันที่มีการวิเคราะห์โดยพื้นที่ใกล้เคียงโดยรวม แบบจำลองของเราแสดงให้เห็นว่า 1 โหนดฟังสุ่ม 30% ของเหตุการณ์ที่เครือข่ายระบุ30% ของการโจมตีในขณะที่ 5 โหนดฟังของตัวเองแบบสุ่ม 30% ของกิจกรรมเครือข่ายสามารถระบุกว่า 80% ของการโจมตีเครือข่าย ขณะที่จำนวนของโหนดต่อไปทางเพิ่มขึ้นที่เราสังเกตเห็นว่าผลประโยชน์ที่จะได้รับ(ในแง่ของเปอร์เซ็นต์ของการโจมตีที่ตรวจพบ) จากการเพิ่มปริมาณของโหนดลดลง

ผลลัพธ์ (ไทย) 3:

ในคดีเล็กน้อย เราพบว่า โหนดเดียวตรวจพบร้อยละเดียวกันของการโจมตี
เมื่อเปอร์เซ็นต์ของการจราจรที่
วิเคราะห์ข้อมูล เมื่อโหนดข้อมูลเพิ่มเติมจะถูกเพิ่มไปยังพื้นที่ใกล้เคียง
จํานวนตรวจพบการโจมตี แม้ว่าเปอร์เซ็นต์ของแพ็กเก็ตที่ถูกวิเคราะห์

อยู่เหมือนกันสำหรับแต่ละโหนด นี้เป็นเพราะหลายจุดสุ่มวิเคราะห์
การจราจรเพิ่มขึ้น จํานวนเฉพาะการจราจรที่
วิเคราะห์โดยตาง ๆทั้ง เราจำลอง
แสดงว่า 1 โหนดฟังสุ่ม 30% ของเครือข่ายเหตุการณ์
ระบุ 30 % ของการโจมตี ในขณะที่ 5 จุดฟังเพลงของตัวเอง
สุ่ม 30% ของกิจกรรมเครือข่ายจะสามารถระบุกว่า
80% ของการโจมตีเครือข่าย เป็นหมายเลขของโหนดต่อไป

เพิ่มเราสังเกตเห็นว่า ประโยชน์ที่จะได้รับ ( ในแง่ของ
เปอร์เซ็นต์ของการโจมตีที่พบ ) จากการเพิ่มจํานวน
จุด ลดลง