تشخیص نفوذ یا یادگیری عمیق

توضیحات

یکی از دیتاست های معروف در تشخیص نفوذ دیتاست NSL KDD می باشد.

ما برای شما کد متلب تشخیص نفوذ بر روی این دیتاست را با مدل یادگیری عمیق LSTM آماده کرده ایم.

این کد برای دو کلاس حمله و نرمال (بدون حمله) می باشد و بر اساس متلب 2020 نوشته شده است.

این کد به عنوان یک مثال خوب برای یادگیری برنامه نویسی متلب یادگیری عمیق هم می تواند مورد استفاده قرار گیرد تا با تمامی مراحل یک پروژه یادگیری عمیق آشنا شوید.

نتایج خروجی :
معیارهای true positive (TP) و true negative (TN) و false positive (FP) و false negative (FN) و sensitivity و specificity و accuracy (ACC)
هم محاسبه می شود.

FP =

3

FN =

15101

TP =

330

TN =

14270

Accuracy =

0.4915

TPR =

0.0214

TNR =

0.9998

FPR =

2.1019e-04

FNR =

0.9786

sensitivity =

0.0214

specificity =

0.9998