データマイニング技術を適用できる分野は次のうちどれですか？

以下は、データマイニング技術を侵入検出に使用または作成できる領域であり、次のとおりです-

侵入検知のためのデータマイニングアルゴリズムの開発 −データマイニングアルゴリズムは、誤用の検出と異常の検出に使用できます。悪用検出では、トレーニング情報は「通常」または「侵入」のいずれかとしてラベル付けされます。次に、分類子を変更して、既知の侵入を検出できます。

この分野には、分類アルゴリズム、相関ルールマイニング、コストに敏感なモデリングの適用を含む複数の研究があります。異常検出は、正常な動作のモデルを構築し、それからの有意な逸脱を自動的に検出し、教師あり学習または教師なし学習を利用できます。

監視された手法では、モデルは「通常」と呼ばれるトレーニングデータに基づいて作成されます。教師なし手法では、トレーニングデータに関するデータは提供されません。異常検出の研究には、分類アルゴリズム、統計的手法、クラスタリング、および外れ値分析の適用が含まれています。以前は、この手法は効果的かつスケーラブルであり、大量、次元、および異質性のネットワークデータを管理できました。

関連付けと相関分析、および識別属性の選択と構築に役立つ集計 −アソシエーションおよび相関マイニングを使用して、ネットワークデータを定義するシステム属性間の関係を検出できます。このようなデータは、侵入検知に役立つ属性の選択に関する洞察をサポートできます。特定のパターンに一致するトラフィックの要約カウントなど、集約データから変更された新しい属性も役立ちます。

ストリームデータの分析 −侵入および悪意のある攻撃の一時的かつ動的な機能のため、データストリーム環境で侵入検知を実行することが重要です。さらに、イベントは正常である可能性がありますが、一連のイベントの要素として表示される場合は悪意があると見なされます。

したがって、どのような一連のアクティビティが頻繁に一緒に発生するかを調査し、連続するパターンを発見し、外れ値を特定することが重要です。進化するクラスターを見つけ、データストリームで動的分類モデルを構築するための他のデータマイニング手法も、リアルタイムの侵入検知にとって重要です。

分散データマイニング −侵入は複数のエリアから解放され、多くの異なる宛先をターゲットにすることができます。分散データマイニング技術を使用して、複数のネットワークエリアからのネットワークデータを分析し、これらの分散攻撃を検出できます。

視覚化およびクエリツール −検出された異常なパターンを表示するには、視覚化ツールにアクセスできる必要があります。このようなツールには、関連付け、クラスター、および外れ値を表示するための機能が含まれる場合があります。侵入検知システムには、セキュリティアナリストがネットワークデータまたは侵入検知の結果に関するクエリを実行できるようにするグラフィカルユーザーインターフェイスも必要です。