Big Data Cybersicherheit durch maschinelles Lernen [German]

Bys: Arun Kumar, Kandru, Chinta, Anuradha, Little Flower, Kunchala

Cybersicherheit im Zusammenhang mit Big Data ist bekannterma en ein kritisches Problem und stellt eine gro e Herausforderung f r die Forschungsgemeinschaft dar. Algorithmen des maschinellen Lernens wurden als Kandidaten f r 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 f r Versuch und Irrtum erfordert. Hier formulieren wir den SVM-Konfigurationsprozess als ein bi-objektives Optimierungsproblem, bei dem Genauigkeit und Modellkomplexit t als zwei widerspr chliche Ziele betrachtet werden. Wir schlagen ein neuartiges hyperheuristisches Rahmenwerk f r die Zwei-Ziel-Optimierung vor, das unabh ngig von der Problemdom ne ist. Dies ist das erste Mal, dass eine Hyperheuristik f r dieses Problem entwickelt wurde. Der vorgeschlagene hyperheuristische Rahmen besteht aus einer High-Level-Strategie und Low-Level-Heuristiken.

• Format: Paperback
• Language: German
• ISBN: 6206503437
• ISBN13: 9786206503439
• Release Date: September 2023
• Publisher: Verlag Unser Wissen
• Length: 64 Pages
• Weight: 0.23 lbs.
• Dimensions: 0.1" x 6.0" x 9.0"