عرض تفاصيل البحث

ادناه جميع التفاصيل الخاصة بالبحث المطلوب عرضه. توفر هذه المنصة معلومات اساسية حول البحث, لمزيد من التفاصيل يرجى متابعة التصفح من خلال الضغط على الرابط الاصلي للبحث او رابط DOI.

عنوان البحث
Network Intrusion Detection System Using Machine Learning Models And Data Mining Strategies: Comprehensive Study
عنوان المجلة
Computational Technologies
ISSN-1560-5734
تفاصيل النشر
سنة النشر - 2024 / الفهرس الاصلي للمجلة - 29 : 5 (عدد الصفحات 10)
تصنيف البحث
تكنولوجيا المعلومات - المجموعة العلمية
رابط DOI
#
رابط البحث
فتح في موقع المجلة الرسمي
البحث والاستدامة
غير مرتبط باهداف التنمية المستدامة  
البحث والمجتمع
نعم , يدعم
الكلمات المفتاحية
intrusion detection system, machine learning models, data mining strategies, network security, naïve Bayesian algorithm, random forest

اسم الباحثجهة الانتساببلد الباحث
رحاب حبيب صاحب جامعة بابل العراق
ضحى حسين جواد جامعة بابل العراق
اشواق كاظم مطشر جامعة الفرات الاوسط العراق
جنان جادر جامعة الفرات الاوسط العراق

Cybersecurity challenges have increased as a result of the development of computing and smart gadgets and the increased interconnectedness of multiple systems. This study examines the use of data acquisition techniques and machine learning models in building intrusion detection systems for network security. By examining the use of several machine learning approaches, such as naïve Bayesian algorithm, random forest, support vector method, decision tree, k-nearest neighbor method, and XGBoost, the proposed study attempts to answer this problem. In addition, methods of data acquisition are investigated, including algorithms for finding associative rules and clustering. The Network Intrusion Detection dataset, which can be downloaded from the Kaggle website, is used for training and system evaluation. The main goal of this research is to provide a more effective and adaptable solution to the problem of network intrusions, with the ultimate goal of developing a system that can accurately and effectively detect and respond to network intrusions.