Historia e teknologjisë së informacionit ka dëshmuar se shkelje të mëdha të sigurisë kanë ndodhur duke dëmtuar anën e pafajshme.
Hakerët evoluojnë viruset e tyre duke gjetur dobësitë në vend, ekspertët sygjerojnë përdorimin e aplikacioneve të sigurisë që janë një avancim ashtu siq përditësohen për të ofruar mbrojtje.
Si bëhet parashikimi i një sulmi kibernetik?
Përgjigja e shkurtë është duke përdorur Intrusion Detection System (IDS), ajo është një program duke përdor algoritme të fushës machine learning për ti analizuar të dhënat që i kemi akumuluar nga sulme paraprake dhe rezultati do të jetë saktësia e parashikimit të sulmit.
Në këtë temë do të shtjellohet algoritmi Support Vector Machine(SVM) në gjuhën programore R duke përdorur datasetin I cili është I parashikuar për trajnim email phishing. Dataseti ka 11055 reshta dhe 31 atribute, Me -1 duke thënë se atributi specifik nuk tregon se informacioni i veçantë në një rresht është një sulm phishing. 1 në anën tjetër logjikisht deklaron të kundërtën, ndërsa 0 deklaron se një atribut është dyshues për të qenë një email phishing. Dataseti është ndarë në 70% pjesa e trajnimit dhe 30% pjesa e testimit.
1.Hapim një projekt në RStudio/ apo e download-oni file-in
2.Importojm datasetin
3.E shkruajme kodin e algoritmit SVM dhe e ekzekutojmë çdo resht.
Siç mund ta shihni, numri i përgjithshëm i vëzhgimit nga të dhënat e testimit është 3380. Dhe modeli jonë i cili është trajnuar për SVM është duke parashikuar 1402 -1 si -1 që don të thotë që parashikon që nuk do të ketë sulm. Do të thotë se parashikon -1 me 90% të saktësisë ku kjo fushë njihet si true positive në binary classification.
Ndërsa për 1 është parashikuar 1745 si 1 që don të thotë se ka sulm. Që do të thotë se po parashikon 1 me saktësi 95%. Ku kjo fushë në binary classification njihet si true negative. Pra, saktësia e përgjithshme e saj është 94% të parashikimit të sulmit.
Kështu në përgjithësi kemi 3116 parashikime të sakta, nga 3380 parashikime të obzervuara në total.