Andere Kunden interessierten sich auch für
![Intrusion Detection System Using SPARK'S Machine Learning Library]( "Intrusion Detection System Using SPARK'S Machine Learning Library")
Intrusion Detection System Using SPARK'S Machine Learning Library36,99 €![Auf Deep Learning basierendes Intrusion Detection System]( "Auf Deep Learning basierendes Intrusion Detection System")
Auf Deep Learning basierendes Intrusion Detection System61,90 €![Deep Learning basierte Intrusion Detection Framework im industriellen IoT]( "Deep Learning basierte Intrusion Detection Framework im industriellen IoT")
Deep Learning basierte Intrusion Detection Framework im industriellen IoT43,90 €![Mehrschichtiges Intrusion Detection System für Infrastructure-as-a-Service]( "Mehrschichtiges Intrusion Detection System für Infrastructure-as-a-Service")
Mehrschichtiges Intrusion Detection System für Infrastructure-as-a-Service35,90 €![Intrusion Detection System based on deep learning]( "Intrusion Detection System based on deep learning")
Intrusion Detection System based on deep learning40,99 €![Schutz vor kooperativen Blackhole-Angriffen in mobilen Ad-hoc-Netzen]( "Schutz vor kooperativen Blackhole-Angriffen in mobilen Ad-hoc-Netzen")
Schutz vor kooperativen Blackhole-Angriffen in mobilen Ad-hoc-Netzen43,90 €![Vorbeugung gegen Blackhole-Angriffe auf Daten mit der Honey-Pot-Methode]( "Vorbeugung gegen Blackhole-Angriffe auf Daten mit der Honey-Pot-Methode")
Vorbeugung gegen Blackhole-Angriffe auf Daten mit der Honey-Pot-Methode39,90 €
Heutzutage spielen die Sicherheitsprobleme von Computernetzwerken eine zentrale Rolle. Das Netz ist anfällig für Angriffe wie DOS, U2R, R2L usw. Diese Angriffe nutzen eine Schwachstelle im Netzwerk aus, um sich illegal Zugang zu wichtigen Informationen zu verschaffen oder manchmal eine Flut von Daten zu erzeugen, um echte Benutzer am Zugang zu hindern. Netzwerkangreifer nutzen ein massives Volumen an Netzwerkverkehr in kurzer Zeit, um einen Opferhost unerreichbar zu machen, wobei eine schnelle und effiziente Erkennung von Netzwerkeinbrüchen eine große Herausforderung darstellt. Der Umfang des Netzwerkverkehrs wird immer größer und komplexer, und das vorgeschlagene System zur Erkennung von Eindringlingen sollte in der Lage sein, große Mengen an Netzwerkdaten zu verarbeiten, um Eindringlinge im Netzwerk so früh wie möglich zu erkennen. In diesem Buch geht es um die Implementierung eines Systems zur Erkennung von Eindringlingen in ein Netzwerk, das Assoziationsregeln und eine quadratische Klassifizierung mit der Bibliothek für maschinelles Lernen von Spark verwendet.