There were a few of researchers pro

There were a few of researchers proposing realtime intrusion detection systems using different techniques. The first one uses Self-Organizing Map to classify normal data and DoS attack with 10 features of every 50 packets evaluated by different characteristic visualization of normal and DoS [6]. The second one uses Bayesian Classification model to classify normal and attack with first 3 months of training and last month of testing evaluated by detection penalty [7]. The third one uses Adaptive Resonance Theory (ART) and Self-Organizing Map (SOM) by considering about 5000 packets for training and 3000 packets for training, obtaining from sampling during 4-day experiment with 27 features by number of frequency of occurrences in each interval as inputs for classification. The detection rates (Attack and Normal) of the ART and the SOM are about 97% and 95%, respectively [8].

ผลลัพธ์ (ไทย) 1:

ของนักวิจัยเสนอบุกเรียลไทม์ระบบตรวจสอบโดยใช้เทคนิคต่าง ๆ ได้ แรกใช้ Self-Organizing แผนที่เพื่อจัดประเภทข้อมูลปกติและการโจมตี DoS มีคุณลักษณะ 10 แพคเก็ตทุก 50 ประเมิน โดยแสดงภาพประกอบเพลงลักษณะต่าง ๆ ของปกติและ DoS [6] สองใช้แบบจำลองทฤษฎีประเภทเพื่อจัดประเภทปกติ และโจมตี 3 เดือนแรกของการฝึกอบรมและเดือนสุดท้ายของการทดสอบประเมิน โดยตรวจหาโทษ [7] วันที่สามใช้ทฤษฎีการสั่นพ้องแบบอะแดปทีฟ (ศิลปะ) และ Self-Organizing แผนที่ (ส้ม) โดยพิจารณาประมาณ 5000 แพ็คเก็ตสำหรับแพ็คเก็ต 3000 และฝึกอบรมสำหรับการฝึกอบรม การได้รับจากการสุ่มตัวอย่างในระหว่างการทดลอง 4 วันด้วยคุณสมบัติที่ 27 ตามจำนวนความถี่ของการเกิดในแต่ละช่วงเป็นอินพุตสำหรับการจัดประเภท ตรวจสอบ (โจมตีและปกติ) ศิลปะและส้มเป็นราคาประมาณ 97% และ 95% ตามลำดับ [8]

ผลลัพธ์ (ไทย) 2:

มีเพียงไม่กี่ของนักวิจัยเสนอระบบตรวจจับการบุกรุกเรียลไทม์โดยใช้เทคนิคที่แตกต่างกัน คนแรกใช้แผนที่จัดงานตนเองในการจำแนกข้อมูลตามปกติและการโจมตี DoS 10 คุณสมบัติของทุก 50 แพ็คเก็ตการประเมินโดยการสร้างภาพลักษณะที่แตกต่างจากปกติและ DoS [6] คนที่สองใช้รูปแบบการจัดจำแนกของแบบเบย์ที่จะจัดตามปกติและการโจมตี 3 เดือนแรกของการฝึกอบรมและเดือนสุดท้ายของการทดสอบการประเมินโดยการตรวจสอบโทษ [7] หนึ่งในสามใช้ทฤษฎี Adaptive Resonance (ART) และแผนที่ตัวเองจัดงาน (SOM) โดยพิจารณาเกี่ยวกับแพ็คเก็ต 5000 สำหรับการฝึกอบรมและ 3000 แพ็คเก็ตสำหรับการฝึกอบรมที่ได้รับจากการสุ่มตัวอย่างในระหว่างการทดลอง 4 วัน 27 คุณสมบัติจากจำนวนความถี่ของเหตุการณ์ที่เกิดขึ้นในแต่ละ ช่วงเวลาที่เป็นปัจจัยการผลิตการจัดหมวดหมู่ อัตราการตรวจจับ (การโจมตีและปกติ) ของศิลปะและ SOM ประมาณ 97% และ 95% ตามลำดับ [8]

ผลลัพธ์ (ไทย) 3:

มีเพียงไม่กี่ของนักวิจัยเสนอระบบตรวจจับการบุกรุกแบบเรียลไทม์โดยใช้เทคนิคที่แตกต่างกัน คนแรกที่ใช้ด้วยตนเองการจัดจำแนกข้อมูลแผนที่ปกติและการโจมตี DoS ด้วย 10 คุณสมบัติของทุกแพ็กเก็ตข้อมูลการแสดงลักษณะที่แตกต่างกัน โดย 50% ของปกติและ DOS [ 6 ]ตัวที่สองใช้โมเดลแบบแยกหมวดหมู่ปกติและโจมตีด้วย 3 เดือนแรกของการฝึกอบรม และเดือนสุดท้ายของการทดสอบการประเมินโดยการลงโทษ [ 7 ] อันที่สามใช้ทฤษฎีเรโซแนนซ์แบบปรับตัว ( ศิลปะ ) และตนเองการจัดแผนที่ ( ส้ม ) โดยพิจารณาจากประมาณ 5 , 000 แพ็กเก็ตสำหรับการฝึกอบรมและ 3000 ชุดฝึกอบรมการสุ่มในช่วงสี่วันทดลองกับ 27 มีจำนวนความถี่ของเหตุการณ์ในแต่ละช่วงเป็นอินพุตสำหรับการจำแนกประเภท การตรวจสอบของผู้โจมตีและปกติ ) ของศิลปะและส้มประมาณ 97 และ 95 ตามลำดับ [ 8 ]