DETECÇÃO DE INTRUSÃO USANDO SELEÇÃO DE CARACTERÍSTICAS E HIBRIDIZADOS

Hoje em dia é muito importante manter um alto nível de segurança para garantir a comunicação segura e confiável de informações entre várias organizações. Mas a comunicação segura de dados pela Internet e qualquer outra rede está sempre sob ameaça de intrusões e usos indevidos. Inegavelmente, uma ampla gama de tecnologias de segurança, como criptografia de informações, controle de acesso e prevenção de intrusões são usadas para proteger sistemas baseados em rede, mas ainda há muitas intrusões não detectadas. Este projeto apresenta uma visão geral da detecção de intrusões e um algoritmo de classificação híbrido baseado em baye naïve e K Nearest vizinho. O conjunto de dados passa primeiro pela baye naïve para classificação, gerando as probabilidades prévias e condicionais para cada exemplo no conjunto de dados. Se houver uma classificação errada, o exemplo será passado para o KNN que então classifica a vizinhança do exemplo e os exemplos resultantes são ponderados usando a similaridade de cada vizinho do exemplo, se o Sim(X,Dj) for igual a 1, então X é normal o algoritmo encontra o K maior Sim(X,Dj), comparando-o com um critério de parada (limiar).