پروژه داده کاوی ترکیب خوشه بندی و طبقه بندی در دیتاست نفوذ با رپیدماینر

توضیحات کلی :

در این پروژه که با نرم افزار داده کاوی رپید ماینر مدل سازی شده است بروی داده های مربوط به ده هزار حمله از حملات نفوذ در شبکه های کامپیوتری می باشد که به کمک ستون آخر نوع حمله مشخص می گردد. عملیات دسته بندی یا پیشبینی با استفاده از الگوریتم های KNN و درخت تصمیم انجام شده و در نهایت یک روش ترکیبی به منظور ترکیب یکی از این روش ها با خوشه بندی نیز در نظر گرفته شده است.

بر خلاف کپی بودن و مشکل دار بودن محتوای پروژه های موجود در وب که متاسفانه کپی و خالی از محتوا می باشد. ما سعی کردیم بهترین داکیومنت و کامل ترین داکیومنت را به جهت آموزش شما در محصول بگنجانیم. علاوه بر آن اگر در داکیومنت مشکلی داشتید به راحتی می توانید در تلگرام یا واتس آپ پیام داده و مشکل خود را حل کنید.

این پروژه تضمین می کند شما بتوانید یک پروژه رپیدماینر حرفه ای و ترکیبی که ترکیب کلاسترینگ و کلاسیفیکیشن می باشد را از صفر تا صد خودتان اجرا کرده و یاد بگیرید.

دیتاست : 

دیتاست مورد استفاده مربوط به KDDCup می باشد و حاوی ده هزار حمله در شبکه می باشد. هدف ما پیش بینی حمله و نوع آن می باشد. انواع حملات موجود در این دیتاست حاوی Buffer_Overflow , Load Module , Perl , Neptune , smurf , guess_passwd , pod , teardrop , portsweep , ipsweep , land , ftp_write , back , imap , satan , phf ,  nmap , multihop , warezmaster , warezclient , spy , rootkit می باشد که البته در این دیتاست چون کمی خلاصه شده است برخی از این حملات موجود نیست. قصد داریم تعداد ۴۲ فیچر در این دیتاست وجود دارد که یک عدد آن کلاس مربوطه می باشد و باقی موارد در سیستم بخاطر اهمیت بالایی که دارد لحاظ می شود.

امکانات اصلی پروژه :

1. تحویل داکیومنت کامل با تصویر به همراه توضیحات تشریحی
2. تحویل مدل های فایل رپیدماینر
3. تحویل دیتاست