Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Authorial approach to the detection of selected psychological traits based on handwritten texts

Woda Marek, Oliwa Grzegorz

International Journal of Electronics and Telecommunications

2024

Vol. 70, No. 1

145--152

The study sought to use computer techniques to detect selected psychological traits based on the nature of the writing and to evaluate the effectiveness of the resulting software. Digital image processing and deep neural networks were used. The work is complex and multidimensional in nature, and the authors wanted to demonstrate the feasibility of such a topic using image processing techniques and neural networks and machine learning. The main studies that allowed the attribution of psychological traits were based on two models known from the literature, KAMR and DA. The evaluation algorithms that were implemented allowed the evaluation of the subjects and the assignment of psychological traits to them. The DA model turned out to be more effective than the KAMR model.

Multi phase classification approach for network intrusion detection based on feature selection

Woda Marek, Abebe Michael

Studia Informatica

2019

Vol. 40, nr 2

19--33

This research strives to improve the detection accuracy of Remote-to-Local and User-to-Root attacks by proposing a multi-phase classifier with feature selection used in the second phase of classification. The first phase uses a Naïve Bayes classifier with all the trained features. Feature selection is the process of filtering out useful and relevant features that contribute to an attack class. The proposed feature selection technique is based on Genetic Algorithm with entropy-based weights used for giving importance to each feature in the fitness function. Experiments were conducted on the NSL-KDD dataset using the WEKA machine learning tool. The paper includes the proposed algorithm, experimental setup along with obtained results compared to ones received using widely known and acknowledged techniques.

Opisane prace miały na celu poprawę trafności wykrywania ataków typu Remote-to-Local i User-to-Root przez wprowadzenie klasyfikatora wielofazowego z selekcją cech, zastosowanego w drugiej fazie klasyfikacji. Pierwsza faza wykorzystuje klasyfikator Naïve Bayes ze wszystkimi przetrenowanymi cechami. Selekcja była procesem filtrowania istotnych cech, które przyczyniają się do rozpoznania klasy ataku. Zaproponowana technika doboru cech była oparta na algorytmie genetycznym z wagami uzależnionymi od entropii, wykorzystywanymi do nadawania znaczenia każdej cesze w obrębie funkcji dopasowania. Eksperymenty zostały przeprowadzone na zbiorze danych NSL-KDD przy użyciu narzędzia uczenia maszynowego WEKA. Publikacja obejmuje proponowany algorytm, układ doświadczalny oraz wyniki badań. Rezultat prac został porównany z powszechnie znanymi technikami stosowanymi w detekcji intruzów.