机构名称：
¥ 1.0
计算机科学系，计算机科学与数学学院，库法大学，伊拉克纳贾夫，伊拉克电子邮件：buraqn.almusawy@uokufa.edu.iq（B.A.），alia.alramahi@uokufa.edu.iq（A.A.H.A。）摘要 - 如今，各种规模的组织在保护其数据，系统和工具方面面临许多困难。一个特别关注的问题是内部威胁。内部人员试图利用其特权破坏数据机密性，有效性和可用性。公司内某人犯下的任何破坏都会极大地损害公司的诚信，信誉和财务利润。自动化特征提取方法在用于对数据进行分类时，由于其趋势有时会返回结果不准确，导致过度拟合。此外，分析不规则数据需要大量的手动特征检测。我们提出了一种代表专家系统的算法，该算法也检测到内部人员并确定其风险水平。之后，决定性步骤将是使用多个算法与使用专家规则从内部检测算法获得的分类获得的结果相交。这项研究使用了几种可以处理此类数据的分类方法，以预测计算机网络中内部人员的状态。这项研究的主要目标是提高识别计算机网络内部人员的准确性和效率。模型性能评估包括重要参数，例如精度，回忆和F1分数。在0.99处获得最高的分类精度，将这些结果与所提出算法的结果结合在一起后，精度为100％。这些结果突出了这些模型准确检测内部状态的显着能力，从而鼓励了改善计算机网络中网络安全性的可能性。
使用机器学习和专家政策组合的内部人检测
主要关键词
相关文件推荐
