It is becoming more common to combi

It is becoming more common to combine several approaches into a single model for intrusion detection. The idea behind this approach is to combine the strengths of several different approaches to maximize accuracy and minimize false positives. One simple approach to a hybrid system is a composition where modules are deployed as part of a comprehensive system. Examples of this approach include SPADE [Staniford et al 2002] which was a plugin for SNORT and [Vlades et al 2000] that developed plugin for EMERALD [Porras and Neumann 1997]. Another approach to hybrid systems involves using one approach to enhance the training and configuration of another. In [Sinclair et a1 1999][Gomez and Dasgupta 2002][Shon et al 2006] Genetic algorithm approaches were used to enhance training of other machine learning models. Multiple approaches can also be combined to produce a single prediction output. Cascading systems involve using the output of one approach as the input to another. In [Kayacik et at 2007] a cascading series of Self Organizing Maps was used. In [Depren et al 2005] a Self Organizing map was used as an anomaly detection preprocessor for a decision tree module that raised event alerts. [Peddabachigari et a1 2007] proposed a cascading Decision Tree and Support Vector Machine approach. An integrated hybrid approach directly combines multiple methodologies. In [Farid et al 2010] an approach combining Naive Bayes and Decision Tree methods into one classifier was proposed. [Shon and Moon 2007][Wang et a1 2010] Combined Support Vector Machines with Self Organizing Maps.

Kết quả (Việt) 1:

Nó đang trở nên phổ biến hơn để kết hợp một số phương pháp tiếp cận thành một mô hình duy nhất để phát hiện xâm nhập. Ý tưởng đằng sau cách tiếp cận này là để kết hợp những thế mạnh của một số phương pháp tiếp cận khác nhau để tối đa hóa độ chính xác và giảm thiểu các sai tích cực. Một cách tiếp cận đơn giản để một hệ thống hybrid là một thành phần nơi mô-đun được triển khai như một phần của một hệ thống toàn diện. Ví dụ về cách tiếp cận này bao gồm SPADE [Staniford et al 2002] là một plugin cho SNORT và [Vlades et al 2000] phát triển plugin cho EMERALD [Porras và Neumann 1997]. Một cách tiếp cận để hệ thống lai liên quan đến việc sử dụng một cách tiếp cận để nâng cao đào tạo và cấu hình của người khác. Trong [Sinclair et a1 1999] [Gomez và Dasgupta 2002] [Shon et al 2006] thuật toán di truyền phương pháp tiếp cận được sử dụng để tăng cường các đào tạo khác máy học tập mô hình. Phương pháp tiếp cận nhiều cũng có thể được kết hợp để sản xuất một sản lượng duy nhất dự đoán. Tầng hệ thống liên quan đến việc sử dụng đầu ra của một cách tiếp cận như đầu vào khác. Tại [Kayacik et/2007] một loạt tầng các tự tổ chức các bản đồ đã được sử dụng. Tại [Depren et al 2005] bản đồ tự tổ chức được sử dụng như là một phát hiện bất thường preprocessor cho một mô-đun cây quyết định mà lớn lên sự kiện cảnh báo. [Peddabachigari et a1 2007] đề xuất một cách tiếp cận Decision Tree và hỗ trợ Vector Machine tầng. Một cách tiếp cận tích hợp lai trực tiếp kết hợp nhiều phương pháp. Trong [Farid et al 2010] một phương pháp tiếp cận kết hợp phương pháp ngây thơ Bayes và cây quyết định vào một trong những loại được đề xuất. [Shon và mặt trăng 2007][Wang et a1 2010] Kết hợp máy vectơ hỗ trợ với bản đồ tự tổ chức.

Kết quả (Việt) 2:

Nó đang trở nên phổ biến hơn để kết hợp một số phương pháp tiếp cận vào một mô hình duy nhất để phát hiện xâm nhập. Ý tưởng đằng sau phương pháp này là kết hợp những ưu điểm của phương pháp tiếp cận khác nhau để tối đa hóa độ chính xác và giảm thiểu sai tích cực. Một phương pháp đơn giản để một hệ thống hybrid là một thành phần trong đó mô-đun được triển khai như là một phần của một hệ thống toàn diện. Ví dụ về cách tiếp cận này bao gồm SPADE [Staniford et al 2002] là một plugin cho Snort và [Vlades et al 2000] đã phát triển plugin cho EMERALD [Porras và Neumann 1997]. Một cách tiếp cận với các hệ thống hybrid gồm việc sử dụng một cách tiếp cận để tăng cường đào tạo và cấu hình của người khác. Trong [Sinclair et a1 1999] [Gomez và Dasgupta 2002] [Shon et al 2006] phương pháp tiếp cận thuật toán di truyền đã được sử dụng để tăng cường đào tạo của các mô hình máy tính học tập khác. Nhiều phương pháp tiếp cận cũng có thể được kết hợp để tạo ra một sản lượng dự báo duy nhất. Các hệ thống liên quan đến việc sử dụng Cascading đầu ra của một cách tiếp cận như các đầu vào khác. Trong [Kayacik et tại 2007] một loạt tầng của tổ chức tự Maps đã được sử dụng. Trong [Depren et al 2005] bản đồ tự tổ chức được sử dụng như là một phát hiện tiền xử lý bất thường đối với một mô-đun cây quyết định đã nâng cảnh báo sự kiện. [Peddabachigari et a1 2007] đề xuất một Tree tầng Quyết định và Support Vector Machine tiếp cận. Một cách tiếp cận hybrid tích hợp trực tiếp kết hợp nhiều phương pháp. Trong [Farid et al 2010] một cách tiếp cận kết hợp Naive Bayes và cây quyết định phương pháp vào một phân loại đã được đề xuất. [Shon và Moon 2007] [Wang et a1 2010] Kết Hợp Support Vector Machines với tự tổ chức Maps.