Figure 7: Growth of LGP program cod

Figure 7: Growth of LGP program codes for R2L class contribute little to the detection process (even could affect the performance adversely). The presented GP techniques could be used to pick up significant features randomly and explore the performance. As depicted in Table 6, MEP required only 3, 4, 6, 2 and 7 features (instead of the complete 41 features) to detect the Normal, Probe, DoS, U2R and R2L types of attacks respectively.
In some classes the accuracy figures tend to be very small and may not be statistically significant, especially in view of the fact that the 5 classes of patterns differ in their sizes tremendously. For example only 27 data sets were available for training the U2R class. More definitive conclusions can only be made after analyzing more comprehensive sets of network traffic.

Kết quả (Việt) 1:

Hình 7: Sự phát triển của LGP chương trình mã cho R2L lớp đóng góp ít đến quá trình phát hiện (thậm chí có thể ảnh hưởng đến hiệu suất bất lợi). Các kỹ thuật trình bày của GP có thể được sử dụng để chọn lên đáng kể tính năng ngẫu nhiên và khám phá các hoạt động. Như đã mô tả trong bảng 6, MEP yêu cầu tính năng chỉ 3, 4, 6, 2 và 7 (thay vì các tính năng hoàn thành 41) phát hiện bình thường, thăm dò, DoS, U2R và R2L loại tấn công tương ứng.Trong một số các lớp học những con số chính xác có xu hướng rất nhỏ và không có ý nghĩa thống kê quan trọng, đặc biệt là do thực tế rằng 5 lớp về các hình thức khác nhau trong kích thước rất nhiều. Ví dụ chỉ 27 bộ dữ liệu đã có sẵn để đào tạo các lớp học U2R. Kết luận hơn cuối cùng chỉ có thể được thực hiện sau khi phân tích toàn diện hơn bộ lưu lượng truy cập mạng.

Kết quả (Việt) 2:

Hình 7: Tăng trưởng của LGP mã chương trình cho R2L lớp đóng góp rất ít cho quá trình phát hiện (thậm chí có thể ảnh hưởng đến hiệu suất bất lợi). Các kỹ thuật GP đưa ra có thể được sử dụng để chọn các tính năng quan trọng một cách ngẫu nhiên và khám phá những hiệu suất. Như mô tả trong Bảng 6, MEP yêu cầu chỉ có 3, 4, 6, 2 và 7 tính năng (thay vì 41 tính năng hoàn chỉnh) để phát hiện các loại tấn công bình thường, Probe, DoS, U2R và R2L tương ứng.
Trong một số lớp học các con số chính xác có xu hướng rất nhỏ và có thể không có ý nghĩa về mặt thống kê, đặc biệt là trong bối cảnh thực tế là 5 lớp của mô hình khác nhau về kích thước của chúng rất nhiều. Ví dụ chỉ có 27 bộ dữ liệu đã có sẵn để đào tạo các lớp U2R. Nhiều kết luận dứt khoát chỉ có thể được thực hiện sau khi phân tích bộ toàn diện hơn về lưu lượng truy cập mạng.