Für diesen Artikel ist leider kein Bild verfügbar.

Big Data Cybersicherheit durch maschinelles Lernen

Kandru Arun Kumar, Anuradha Chinta, Kunchala Little Flower (Autoren)

Buch | Softcover

64 Seiten

2023
Verlag Unser Wissen
978-620-6-50343-9 (ISBN)

Keine Verlagsinformationen verfügbar

Artikel merken

Cybersicherheit im Zusammenhang mit Big Data ist bekanntermaßen ein kritisches Problem und stellt eine große Herausforderung für die Forschungsgemeinschaft dar. Algorithmen des maschinellen Lernens wurden als Kandidaten für die Behandlung von Big-Data-Sicherheitsproblemen vorgeschlagen. Unter diesen Algorithmen haben Support-Vektor-Maschinen (SVMs) bemerkenswerte Erfolge bei verschiedenen Klassifizierungsproblemen erzielt. Um eine effektive SVM einzurichten, muss der Benutzer jedoch im Voraus die richtige SVM-Konfiguration festlegen, was eine schwierige Aufgabe ist, die Expertenwissen und einen hohen manuellen Aufwand für Versuch und Irrtum erfordert. Hier formulieren wir den SVM-Konfigurationsprozess als ein bi-objektives Optimierungsproblem, bei dem Genauigkeit und Modellkomplexität als zwei widersprüchliche Ziele betrachtet werden. Wir schlagen ein neuartiges hyperheuristisches Rahmenwerk für die Zwei-Ziel-Optimierung vor, das unabhängig von der Problemdomäne ist. Dies ist das erste Mal, dass eine Hyperheuristik für dieses Problem entwickelt wurde. Der vorgeschlagene hyperheuristische Rahmen besteht aus einer High-Level-Strategie und Low-Level-Heuristiken.

Dr. Arun Kumar Kandru Assoc. Professor CSE am Malla Reddy Engineering College, mit 13 Jahren Lehrerfahrung.Dr. Anuradha Chinta Assistenzprofessorin CSE am V R Siddhartha Engineering College, mit 11 Jahren Lehrerfahrung.Dr. Kunchala Little Flower Stellvertretende Professorin AIML an der Malla Reddy University, mit 11 Jahren Lehrerfahrung.

Erscheinungsdatum	02.10.2023
Sprache	deutsch
Maße	152 x 229 mm
Gewicht	108 g
Themenwelt	Mathematik / Informatik ► Informatik ► Netzwerke
Schlagworte	BigData • Cybersicherheit • Maschinelles Lernen
ISBN-10	620-6-50343-7 / 6206503437
ISBN-13	978-620-6-50343-9 / 9786206503439
Zustand	Neuware