机构名称：
¥ 1.0
计算机工程系1,2,3,4,5 Adsul的技术校园，Chas，Ahmednagar，印度摘要：随着网络威胁的复杂性和网络基础架构的增长，传统的基于规则的入侵检测系统（IDS）在保护现代网络攻击方面的不足证明。因此，通过实现积极的检测和缓解网络威胁，机器学习（ML）算法的集成已成为强化网络安全的一种有希望的方法。本评论论文全面探讨了ML算法在检测各种形式的网络攻击和网络入侵中的应用。审查首先概述了网络攻击和网络入侵的基本概念，为随后关于基于ML的检测方法的讨论提供了背景。它调查了网络安全采用的ML算法的景观，从支撑矢量机（SVM）等经典技术到随机森林等经典技术到更高级的方法，例如深度学习和整体模型。此外，本文解释了用于培训和评估基于ML的入侵检测系统的多种数据集，强调了它们在确保可靠且可推广的模型方面的重要性。此外，它研究了与ML驱动的检测相关的挑战和局限性，包括数据稀缺问题，对抗性攻击和模型可解释性。关键字：网络攻击，机器学习，数据集，检测
检测网络攻击和网络攻击
主要关键词
相关文件推荐
