Вернуться к статье
МЕТОД ПРОФИЛИРОВАНИЯ СЕТЕВЫХ АНОМАЛИЙ НА ОСНОВЕ ТЕРНАРНОГО ЗНАКОВОГО ПРЕДСТАВЛЕНИЯ И АВТОМАТИЧЕСКОГО ЖИЗНЕННОГО ЦИКЛА ПРОФИЛЕЙ
Распределение профилей по состояниям жизненного цикла
Детектор + Датасет | Всего | Кандидаты | Испытание | Активные | Реплей, % | ΔF1 |
OCSVM + CIC-IDS2017 | 23 | 8 | 2 | 13 | 64,8 | +0,0021 |
OCSVM + Gotham-2025 | 64 | 21 | 6 | 37 | 68,7 | 0,0000 |
kNN + CIC-IDS2017 | 23 | 4 | 6 | 13 | 54,5 | −0,0143 |
COPOD + CIC-IDS2017 | 10 | 5 | 0 | 5 | 49,7 | +0,0043 |
HBOS + CIC-IDS2017 | 12 | 3 | 5 | 4 | 40,1 | 0,0000 |
COPOD + Gotham-2025 | 55 | 12 | 26 | 17 | 22,5 | −0,0188 |
kNN + Gotham-2025 | 71 | 19 | 51 | 0 | 0 | 0,0000 |
HBOS + Gotham-2025 | 73 | 20 | 52 | 0 | 0 | 0,0000 |