| 技術名稱 | 利用機器學習分析惡意流量特徵 | ||
|---|---|---|---|
| 計畫單位 | 國立中興大學資通安全研究與教學中心 | ||
| 計畫主持人 | 王行健 | ||
| 技術簡介 | 透過隨機森林演算法將UNSW-NB15 Dataset與KDD-CUP-99 Dataset進行特徵萃取，進行訓練並得到預測模組，此模組與其他5個方法(決策樹，K最鄰近點演算法，邏輯回歸，類神經網路，與隨機梯度下降演算法)進行比較發現，本文所提出的隨機森林演算法準確度最高。 |
||
| 科學突破性 | 透過隨機森林演算法將UNSW-NB15 Dataset與KDD-CUP-99 Dataset進行特徵萃取，進行訓練並得到預測模組，此模組與其他5個方法(決策樹，K最鄰近點演算法，邏輯回歸，類神經網路，與隨機梯度下降演算法)進行比較發現，本文所提出的隨機森林演算法準確度最高。 |
||
| 產業應用性 | 入侵偵測系統在工業控制上應用廣泛。由於近年來，物聯網的快速發展，各種裝置都連上網路，使得更多的網路攻擊發生。因為傳統的IDS會將惡意特徵存入資料庫，導致運算量大增，因此我們設計與開發一個輕量級的IDS，來符合物聯網計算能力不足問題，並有效解決這些惡意網路攻擊。 |
||
| 媒合需求 | 天使投資人、策略合作夥伴 |
||
| 關鍵字 | 異常偵測 物聯網 機器學習 人機安全 | ||
| 備註 | |||
- 聯絡人
- 王乾隆
- 電子信箱
- kevinwang@nchu.edu.tw
