ระบบตรวจจับการบุกรุกเครือข่ายสำหรับสำนักหอสมุดมหาวิทยาลัยเชียงใหม่ โดยการใช้ตัวจำแนกข้อมูลนาอีฟเบส์

ระบบตรวจจับการบุกรุกเครือข่ายสำหรับสำนักหอสมุดมหาวิทยาลัยเชียงใหม่ โดยการใช้ตัวจำแนกข้อมูลนาอีฟเบส์

This independent study aims to develop a prototype to predict computer network intruder packages in the Chiang Mai University Library dataset. The experiment applies Naive Bayes classifier on 300,000 records of traffic data by adjusting parameters in order to acquire the best accurate results. Perfo...

Full description

Saved in:
Bibliographic Details
Main Author: Kriengkrai Chaimin
Other Authors: Chumphol Bunkhumpornpat
Format: Theses and Dissertations
Language:Thai
Published: เชียงใหม่ : บัณฑิตวิทยาลัย มหาวิทยาลัยเชียงใหม่, 2557 2014
Subjects:
Data Mining
Naive Bayes
Network Intrusion Detection
Online Access:http://cmuir.cmu.ac.th/handle/6653943832/217
Tags: Add Tag
No Tags, Be the first to tag this record!
Institution: Chiang Mai University
Language: Thai
id th-cmuir.6653943832-217
record_format dspace
spelling th-cmuir.6653943832-2172017-09-14T20:05:42Z ระบบตรวจจับการบุกรุกเครือข่ายสำหรับสำนักหอสมุดมหาวิทยาลัยเชียงใหม่ โดยการใช้ตัวจำแนกข้อมูลนาอีฟเบส์ Network Intrusion Detection System for Chiang Mai University Library Using Naive Bayes Classifier Kriengkrai Chaimin Chumphol Bunkhumpornpat รัฐสิทธิ์ สุขะหุต Data Mining Naive Bayes Network Intrusion Detection This independent study aims to develop a prototype to predict computer network intruder packages in the Chiang Mai University Library dataset. The experiment applies Naive Bayes classifier on 300,000 records of traffic data by adjusting parameters in order to acquire the best accurate results. Performance measures consist of accuracy, precision, recall, F-measure, and root mean squared error. In addition, we employ KDD Cup Data 1999 which contains 37 categories of network intrusion to discover intrusion types that compromise the Chiang Mai University Library. 2014-08-20T08:26:32Z 2014-08-20T08:26:32Z 2014-07-01 Thesis http://cmuir.cmu.ac.th/handle/6653943832/217 th เชียงใหม่ : บัณฑิตวิทยาลัย มหาวิทยาลัยเชียงใหม่, 2557
institution Chiang Mai University
building Chiang Mai University Library
country Thailand
collection CMU Intellectual Repository
language Thai
topic Data Mining
Naive Bayes
Network Intrusion Detection
spellingShingle Data Mining
Naive Bayes
Network Intrusion Detection
Kriengkrai Chaimin
ระบบตรวจจับการบุกรุกเครือข่ายสำหรับสำนักหอสมุดมหาวิทยาลัยเชียงใหม่ โดยการใช้ตัวจำแนกข้อมูลนาอีฟเบส์
description This independent study aims to develop a prototype to predict computer network intruder packages in the Chiang Mai University Library dataset. The experiment applies Naive Bayes classifier on 300,000 records of traffic data by adjusting parameters in order to acquire the best accurate results. Performance measures consist of accuracy, precision, recall, F-measure, and root mean squared error. In addition, we employ KDD Cup Data 1999 which contains 37 categories of network intrusion to discover intrusion types that compromise the Chiang Mai University Library.
author2 Chumphol Bunkhumpornpat
author_facet Chumphol Bunkhumpornpat
Kriengkrai Chaimin
format Theses and Dissertations
author Kriengkrai Chaimin
author_sort Kriengkrai Chaimin
title ระบบตรวจจับการบุกรุกเครือข่ายสำหรับสำนักหอสมุดมหาวิทยาลัยเชียงใหม่ โดยการใช้ตัวจำแนกข้อมูลนาอีฟเบส์
title_short ระบบตรวจจับการบุกรุกเครือข่ายสำหรับสำนักหอสมุดมหาวิทยาลัยเชียงใหม่ โดยการใช้ตัวจำแนกข้อมูลนาอีฟเบส์
title_full ระบบตรวจจับการบุกรุกเครือข่ายสำหรับสำนักหอสมุดมหาวิทยาลัยเชียงใหม่ โดยการใช้ตัวจำแนกข้อมูลนาอีฟเบส์
title_fullStr ระบบตรวจจับการบุกรุกเครือข่ายสำหรับสำนักหอสมุดมหาวิทยาลัยเชียงใหม่ โดยการใช้ตัวจำแนกข้อมูลนาอีฟเบส์
title_full_unstemmed ระบบตรวจจับการบุกรุกเครือข่ายสำหรับสำนักหอสมุดมหาวิทยาลัยเชียงใหม่ โดยการใช้ตัวจำแนกข้อมูลนาอีฟเบส์
title_sort ระบบตรวจจับการบุกรุกเครือข่ายสำหรับสำนักหอสมุดมหาวิทยาลัยเชียงใหม่ โดยการใช้ตัวจำแนกข้อมูลนาอีฟเบส์
publisher เชียงใหม่ : บัณฑิตวิทยาลัย มหาวิทยาลัยเชียงใหม่, 2557
publishDate 2014
url http://cmuir.cmu.ac.th/handle/6653943832/217
_version_ 1681419443506249728

Similar Items