Cibersegurança de grandes volumes de dados utilizando a aprendizagem automática
Cibersegurança
Versandkostenfrei!
Versandfertig in 6-10 Tagen
29,99 €
inkl. MwSt.
PAYBACK Punkte
15 °P sammeln!
A cibersegurança no contexto dos grandes volumes de dados é conhecida como um problema crítico e representa um grande desafio para a comunidade de investigação. Os algoritmos de aprendizagem automática têm sido sugeridos como candidatos para lidar com problemas de segurança de grandes volumes de dados. Entre estes algoritmos, as máquinas de vectores de apoio (SVM) obtiveram um sucesso notável em vários problemas de classificação. No entanto, para estabelecer uma SVM eficaz, o utilizador tem de negar antecipadamente a configuração adequada da SVM, o que é uma tarefa difícil que...
A cibersegurança no contexto dos grandes volumes de dados é conhecida como um problema crítico e representa um grande desafio para a comunidade de investigação. Os algoritmos de aprendizagem automática têm sido sugeridos como candidatos para lidar com problemas de segurança de grandes volumes de dados. Entre estes algoritmos, as máquinas de vectores de apoio (SVM) obtiveram um sucesso notável em vários problemas de classificação. No entanto, para estabelecer uma SVM eficaz, o utilizador tem de negar antecipadamente a configuração adequada da SVM, o que é uma tarefa difícil que requer conhecimentos especializados e um grande esforço manual de tentativa e erro. Aqui formulamos o processo de configuração da SVM como um problema de otimização bi-objetivo em que a precisão e a complexidade do modelo são consideradas como dois objectivos contraditórios. Propomos uma nova estrutura hiper-heurística para otimização bi-objetiva que é independente do domínio do problema. Esta é a primeira vez que se desenvolve uma hiper-heurística para este problema. A estrutura hiper-heurística proposta é composta por uma estratégia de alto nível e heurísticas de baixo nível.
Andere Kunden interessierten sich für
