پروژه تشخیص نفوذ با چندین روش حرفه ای در رپیدماینر به همراه مقایسه کامل

پروژه داده کاوی با رپیدماینر

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 زیر انجام خواهد شد و در نهایت بهترین آنها انتخاب می شود.

Linear Discriminent Analysis : با عملگر LDA در رپیدماینر

دو نوع رگرسیون با عنوان های لاجیستیک و رگرسیون معمولی.

SVM و NN و KNN و بیزین و همچنین استفاده از سه روش درختی از جمله روش های Random tree و ID3 و Decision Tree می باشد.

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

۱- دیتاست

۲- داکیومنت کامل از تمامی مراحل کار در فرمت ورد

۳- یک ویدیو کامل از مراحل پیاده سازی یک پروژه عملی رپیدماینر