Научная библиотека СГЮА

Главная

Упрощенный режим

Описание

Шлюз Z39.50

Базы данных

- результаты поиска

Вид поиска

Книги фонда НБ СГЮА

Дипломные работы выпускников СГЮА за последние 5 лет

Авторефераты

Диссертации

Период.издания науч.абонемента

Редкие книги Научной библиотеки СГЮА

Каталог электронных носителей

Труды ученых СГЮА

Саратовский край

Область поиска

Формат представления найденных документов:
полный	информационный	краткий

Отсортировать найденные документы по:
автору	заглавию	году издания	типу документа

Поисковый запрос: (<.>K=интеллектуальная обработка данных<.>)

Общее количество найденных документов : 3
Показаны документы с 1 по 3

Комашинский, Д. В.
Методы интеллектуального анализа данных для выявления вредоносных программных объектов: обзор современных исследований [Текст] / Д. В. Комашинский, И. В. Котенко // Вопросы защиты информации. - 2013. - № 4. - С. 21-33. - Библиогр.: с. 32-33 (42 назв. ) . - ISSN 2073-2600

УДК

^a004.056

ББК 32.97
Рубрики: Вычислительная техника
Вычислительная техника в целом
Кл.слова (ненормированные):
вредоносные программы -- интеллектуальная обработка данных -- интеллектуальный анализ данных -- информационная безопасность -- обзор -- обнаружение
Аннотация: Рассмотрен процесс создания систем обнаружения и идентификации вредоносных программ на основе методов интеллектуального анализа данных.

Доп.точки доступа:
Котенко, И. В.
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

Волкова, Е. С. (кандидат физико-математических наук ; доцент).
Современные подходы к применению методов интеллектуального анализа данных в задаче кредитного скоринга [Текст] / Е. С. Волкова, В. Б. Гисин, В. И. Соловьев // Финансы и кредит. - 2017. - Т. 23, вып. 34. - С. 2044-2060. - Библиогр.: с. 2060 (47 назв. ) . - ISSN 2071-4688

УДК

^a336.7

ББК 65.262
Рубрики: Экономика--Россия
Кредитно-денежная система
Кл.слова (ненормированные):
байесовские сети -- интеллектуальная обработка данных -- кредитные институты -- кредитный скоринг -- кредитование -- линейная регрессия -- логистическая регрессия -- машинное обучение -- потребительский кредит -- статистические вычисления
Аннотация: Классификация современных методов кредитного скоринга. Описание моделей сравнения эффективности его различных методов.

Доп.точки доступа:
Гисин, В. Б. (кандидат физико-математических наук ; профессор); Соловьев, В. И. (доктор экономических наук ; профессор)
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

Шелухин, О. И.
Многозначная классификация меток классов системных журналов компьютерных сетей. Формализация задачи [Текст] = Multi-label classification of labels of system logs of computer networks. Formalization of the task / О. И. Шелухин, Д. И. Раковский // Проблемы информационной безопасности. Компьютерные системы. - 2023. - № 3. - С. 154-169 : табл. - Библиогр.: с. 166-167 (21 назв.). - Список литературы представлен на русском и английском языках. . - ISSN 2071-8217

УДК

^a004.67

ББК 32.973-018.2
Рубрики: Вычислительная техника
Системы обработки численных данных
Кл.слова (ненормированные):
classification of log class labels -- computer networks -- information security -- intelligent data processing -- multi-class label classification -- multi-valued label classification -- system log classes -- system logs -- интеллектуальная обработка данных -- информационная безопасность -- классификация меток классов журналов -- классы системных журналов -- компьютерные сети -- многозначная классификация меток -- многоклассная классификация меток -- системные журналы
Аннотация: Важной проблемой интеллектуальной обработки данных системных журналов является существование наборов данных, содержащих записи с несколькими ассоциациями меток классов. Набор данных, пригодный к классификации, как правило содержит множество признаков и ассоциированное с ним множество меток класса. Целью классификации является обученная модель, способная присвоить соответствующий класс неизвестному объекту (записи в "исторических данных"). Решение этой проблемы сопряжено с экспоненциальным ростом комбинаций меток, которые необходимо учитывать, а также вычислительными затратами на построение моделей интеллектуального анализа. Проблема многозначности меток классов применительно к компьютерным сетям в настоящее время недостаточно изучена. Цель исследования: формализация задачи многозначной классификации экспериментальных данных (бинарной или многоклассовой) на примере записей системных журналов КС и демонстрация ее применимости к задачам информационной безопасности. Новизна заключается в иллюстрации наличия многозначности меток классов при анализе записей системных журналов, порожденных КС. Показано, что данная особенность присуща большинству КС, к которым предъявляются граничные требования сразу по нескольким показателям (атрибутам) заранее определенного уровня обслуживания (Service Level Objectives, SLO). В случае возникновения аномальных состояний сразу по нескольким атрибутам, возрастание количества меток является предпосылкой к возникновению редкого аномального состояния (системной аномалии) КС в текущий момент времени. Показано, что проблема многозначности меток классов системных журналов актуальна для анализа доступности и целостности циркулирующей в КС информации. А также, что многозначность классовых меток проявляется не только в возникновении нескольких состояний КС в текущий момент времени, но и в неявном точечно-множественном отображении известных атрибутов КС в эти состояния. И, что при однозначном обучении метка, возвращаемая такими алгоритмами, является скалярной величиной, а получаемые при этом однозначные классификаторы маркируют данные с потерей информации. Многозначный подход оперирует метками как множествами (или векторами), а получаемый при этом многозначный классификатор может присваивать состояниям КС сразу несколько меток одновременно, что повышает точность классификации. Показана значимость вторичных атрибутов "исторических данных", определяющих качество многозначной классификации. Многозначность меток классов системных журналов актуальна в областях диагностики неисправностей аппаратных компонентов КС, обнаружения атак, выявлении подозрительной сетевой активности и других задачах информационной безопасности.
An important problem in the intelligent processing of syslog data is the existence of datasets containing records with multiple class label associations. A dataset suitable for classification typically contains a set of features and an associated set of class labels. The goal of classification is a trained model capable of assigning an appropriate class to an unknown object (records in "historical data"). The solution to this problem is associated with an exponential growth of label combinations that must be taken into account, as well as the computational costs of training data-mining models. The problem of multi-label classes in relation to computer network (CN) is currently insufficiently studied. The aim of the study is to formalize the problem of multivalued classification of experimental data (binary or multiclass) using the example of CN system log entries and to demonstrate its applicability to information security problems. Novelty. The novelty of the study lies in illustrating the presence of multi-labeled class labels in the analysis of syslog entries generated by CN. It is shown that this feature is inherent in most CNs, which are subject to boundary requirements for several indicators (attributes) of a predetermined Service Level Objectives. In case of occurrence of anomalous states for several attributes at once, an increase in the number of labels is a prerequisite for the occurrence of a rare anomalous state (system anomaly) CN at the current time. It is shown that the problem of ambiguity of system log class labels is relevant for the analysis of the availability and integrity of information circulating in the CN. It is shown that the ambiguity of class labels manifests itself not only in the occurrence of several CN states at the current time, but also in the implicit multi-valued mapping of known CN attributes to these states. It is shown that with unambiguous learning, the label returned by such algorithms is a scalar value, and the resulting one-label classifiers label the data with loss of information. The multi-valued approach operates with labels assets (or vectors), and the resulting multi-valued classifier can assign several labels to CN states at once, which increases the classification accuracy. The significance of the secondary attributes of "historical data", which determine the quality of a multivalued classification, is shown. Multi-labeled system log class labels are relevant in the areas of diagnosing malfunctions of CS hardware components, detecting attacks, detecting suspicious network activity, and other information security tasks.

Доп.точки доступа:
Раковский, Д. И.
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

Тематический навигатор

© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)