To use machine learning to classify

To use machine learning to classify executable files as intrusion or benign, one must first build labeled datasets for training. A set of records-one for each benign and intrusion file comprises the database. Each record contains a set of features and one label (also referred to as the class). The features of each file are derived from some specific characteristics of the file, such as the size of the file or the frequency of a certain code snippet in the file; the label is a binary value indicating whether or not the file is intrusion. Learning algorithms analyze records designated for training to generate a mathematical model that maps the relationship of file features and labels. That model, which is called the classifier, is used to predict the class of each record in the test data, or the records designated for testing. The classifier cannot read the labels when making predictions; test data labels are only used when the predictions are compared against the true labels in subsequent analysis of performance.

Kết quả (Việt) 1:

Để sử dụng máy học để phân loại các tập tin thực thi là xâm nhập hoặc lành tính, một trong những đầu tiên phải xây dựng có nhãn datasets cho đào tạo. Một bộ hồ sơ-một cho mỗi lành tính và xâm nhập tệp này bao gồm cơ sở dữ liệu. Mỗi bản ghi có chứa một tập hợp các tính năng và một nhãn (còn được gọi là lớp). Các tính năng của mỗi tập tin xuất phát từ một số đặc điểm cụ thể của các tập tin, chẳng hạn như kích thước của các tập tin hoặc tần số của một đoạn mã nhất định trong tập tin; nhãn là một giá trị nhị phân chỉ ra cho dù có hay không các tập tin là sự xâm nhập. Học các thuật toán phân tích hồ sơ thiết kế cho đào tạo để tạo ra một mô hình toán học mà bản đồ các mối quan hệ của tập tin tính năng và nhãn. Mô hình đó, được gọi là loại, được sử dụng để dự đoán các lớp của mỗi bản ghi dữ liệu thử nghiệm, hoặc các hồ sơ thiết kế cho thử nghiệm. Loại không thể đọc các nhãn khi thực hiện dự báo; kiểm tra dữ liệu nhãn chỉ được sử dụng khi các dự đoán được so sánh với các nhãn đúng trong các phân tích tiếp theo của hiệu suất.

Kết quả (Việt) 2:

Để sử dụng máy học để phân loại các file thực thi như sự xâm nhập hoặc lành tính, người ta phải đầu tiên Êđê dựng bộ dữ liệu cho đào tạo nhãn. Một bộ hồ sơ-một cho mỗi tập tin lành tính và xâm nhập bao gồm các cơ sở dữ liệu. Mỗi bản ghi có chứa một tập hợp các tính năng và một nhãn (còn gọi là các lớp). Các tính năng của mỗi tập tin có nguồn gốc từ một số đặc điểm cụ thể của tập tin, chẳng hạn như kích thước của tập tin hoặc tần số của một đoạn mã nào đó trong các tập tin; nhãn là một giá trị nhị phân thể hiện hay không tập là sự xâm nhập. thuật toán học phân tích hồ sơ dành riêng cho đào tạo để tạo ra một mô hình toán học mà các bản đồ các mối quan hệ của các tính năng tập tin và nhãn. Đó là mô hình, được gọi là phân loại, được sử dụng để dự đoán các lớp của mỗi bản ghi trong các dữ liệu thử nghiệm, hoặc các hồ sơ được chỉ định để thử nghiệm. Bộ phân loại không thể đọc được các nhãn khi đưa ra dự đoán; nhãn dữ liệu thử nghiệm chỉ được sử dụng khi dự đoán được so sánh với các nhãn đúng trong phân tích tiếp theo của hiệu suất.