Scot [36] proposes latent variable

Scot [36] proposes latent variable hierarchical model construction using Bayesian methods which leads to coherent systems that can handle the complex distributions involved with network traffic. Bayes’ rule provides a means of combining competing intrusion detection methods such as anomaly detection and pattern recognition. Bayesian methods present evidence of intrusion as probabilities, which are easy for human fraud investigators to interpret. Hierarchical approach allows transactions to communicate information about possible intrusions across time and accounts.
Support vector machines (SVM) have proven to be a good candidate for intrusion detection because of its training speed and scalability [27].
Fuzzy logic has proved to be a powerful tool for decision making to handle and manipulate imprecise and noisy data. Three different types of fuzzy classifiers have been used for intrusion detection. The first classifier uses a histogram to generate an antecedent membership function and each attribute is partitioned into several fuzzy sets. Second method uses a rule generation based on partition of overlapping areas. The third method uses a neuro-fuzzy computing framework in which a fuzzy inference system is learned using neural network learning paradigms [30].

Kết quả (Việt) 1:

Scot [36] đề xuất xây dựng tiềm ẩn mô hình biến phân cấp bằng cách sử dụng phương pháp Bayes dẫn đến hệ thống mạch lạc mà có thể xử lý các bản phân phối phức tạp liên quan đến với mạng lưới giao thông. Quy tắc Bayes cung cấp một phương tiện của việc kết hợp phương pháp phát hiện xâm nhập cạnh tranh như phát hiện bất thường và công nhận mẫu. Bayes phương pháp trình bày bằng chứng của sự xâm nhập như là xác suất, đó là dễ dàng cho các nhà điều tra gian lận của con người để giải thích. Phương pháp tiếp cận phân cấp cho phép giao dịch để giao tiếp thông tin về có thể xâm nhập qua thời gian và tài khoản.Máy vectơ hỗ trợ (SVM) đã chứng minh là một ứng cử viên tốt cho phát hiện xâm nhập vì tốc độ đào tạo và khả năng mở rộng [27].Lôgic mờ đã chứng tỏ là một công cụ mạnh mẽ để ra quyết định để xử lý và thao tác dữ liệu không chính xác và ồn ào. Ba loại khác nhau của mờ máy phân loại đã được sử dụng để phát hiện xâm nhập. Loại đầu tiên sử dụng một biểu đồ để tạo ra một chức năng antecedent thành viên và mỗi thuộc tính được phân chia thành nhiều bộ mờ. Phương pháp thứ hai sử dụng một thế hệ quy tắc dựa trên các phân vùng của chồng chéo khu vực. Phương pháp thứ ba sử dụng một khuôn khổ tính toán neuro-fuzzy mà một hệ thống mờ suy luận học được sử dụng mạng nơ-ron học paradigms [30].

Kết quả (Việt) 2:

Scot [36] đề xuất tiềm ẩn biến xây dựng mô hình phân cấp sử dụng phương pháp Bayesian dẫn đến hệ thống mạch lạc có thể xử lý các bản phân phối phức tạp liên quan đến mạng lưới giao thông. Quy tắc Bayes 'cung cấp một phương tiện của việc kết hợp các phương pháp cạnh tranh phát hiện xâm nhập như phát hiện bất thường và nhận dạng mẫu. Phương pháp Bayesian ra bằng chứng về sự xâm nhập như là xác suất, đó là dễ dàng cho các nhà điều tra gian lận của con người để giải thích. Cách tiếp cận phân cấp cho phép giao dịch để truyền đạt thông tin về xâm nhập có thể theo thời gian và tài khoản.
Hỗ trợ máy vector (SVM) đã được chứng minh là một ứng cử viên tốt cho phát hiện xâm nhập vì tốc độ đào tạo của mình và khả năng mở rộng [27].
Fuzzy logic đã được chứng minh là một mạnh mẽ công cụ để ra quyết định xử lý và thao tác dữ liệu không chính xác và ồn ào. Ba loại khác nhau của các phân loại mờ đã được sử dụng để phát hiện xâm nhập. Bộ phân loại đầu tiên sử dụng một biểu đồ để tạo ra một hàm thành viên tiền đề và mỗi thuộc tính được phân chia thành nhiều tập mờ. Phương pháp thứ hai sử dụng một hệ quy tắc dựa trên phân vùng của các vùng chồng lấn. Phương pháp thứ ba sử dụng một khuôn khổ toán neuro-fuzzy trong đó một hệ thống suy luận mờ được học cách sử dụng mô thần kinh học mạng [30].