Download presentation
Presentation is loading. Please wait.
1
學習態度與專業發展以資訊科技為例 朝陽科技大學 資訊管理系 陳榮靜博士 CYUT_SCL
2
大綱 前言 兩岸學習之我見 學習態度 資訊科技範例 學習態度與專業發展 結語 CYUT_SCL
3
山風吹落窗前落葉 確吹不亂心頭的結 CYUT_SCL
4
少年十五二十時 步行奪得胡馬騎 射殺山中白額虎 肯數鄴下黃鬚兒 一身轉戰三千里 一劍曾當百萬師 漢兵奮迅如霹靂 虜騎崩騰畏蒺藜
衛青不敗由天幸 李廣無功緣數奇 CYUT_SCL
5
大陸高校交流 華中科技大學 北京科技大學 CYUT_SCL
6
黃鶴樓 崔灝 昔人已乘黃鶴去，此地空餘黃鶴樓。 黃鶴一去不復返，白雲千載空悠悠。 晴川歷歷漢陽樹，芳草萋萋鸚鵡洲。 日暮鄉關何處是，煙波江上使人愁。 CYUT_SCL
7
黃鶴樓送孟浩然之廣陵 李白 眼前有景道不得，崔顥題詩在上頭 故人西辭黃鶴樓，煙花三月下揚射。 孤帆遠影碧空盡，惟見長江天際流。
CYUT_SCL
8
CYUT_SCL
9
CYUT_SCL
10
大陸高教系統 注重本科教學 強化研究潛能注重國際論文發表 資訊科技為重點發展項目 強化國際接軌 學生努力程度高 一學分36學時
評鑑與排名公開化 留學風氣 CYUT_SCL
11
華中科技大學 CYUT_SCL
12
CYUT_SCL
13
CYUT_SCL
14
馬來西亞學校 CYUT_SCL
15
建立良好學習態度 積極的 正面的 主動的 持續的 謙虛的 CYUT_SCL
16
建立良好學習態度 體諒的 禮貌的 開闊的 認真的 創新的 CYUT_SCL
17
專業發展 專業在那裡 ? 英文專業與電腦專業 專業的變化與技能的成長 前程的規劃 CYUT_SCL
18
專業的培養 基礎專業的培養 專業的廣度 專業的深度 跨專業的整合 專業的的創新 CYUT_SCL
19
主題大綱 緒論 文獻探討 研究動機 研究架構 相關技術及應用 相關問題研究 支援向量機 基因演算法 TF-IDF Entropy
CYUT_SCL
20
大綱 研究方法與架構 資料處理 系統架構 初步實驗與權重加乘 投票方法 結論與未來發展 CYUT_SCL
21
緒論 入侵偵測系統的主要目的為保護主機系統及分析和預測使用者行為。 入侵偵測系統可以定義惡意攻擊，在方法上分為兩類:
誤用(Misuse) 異常(Anomaly) 入侵偵測系統依能力又可分為兩類: 網路型入侵偵測系統(NIDS) 主機型入侵偵測系統(HIDS) CYUT_SCL
22
緒論 網路型入侵偵測系統(NIDS)和主機型入侵偵測系統 (HIDS) CYUT_SCL
23
緒論 以往針對入侵偵測，一般都偏向使用類神經等工具計算、分類，而這類的方法沿用相當多年，也非常有效率，不過近幾年研究學者偏向使用支援向量機為分類工具。 本研究提出使用基因演算法處理原始資料，利用TF、 TF-IDF、Entropy三種方法，最後以支援向量機為分類工具，再使用投票權重的方法決定出最後結果。 CYUT_SCL
24
文獻探討 基因演算法(Genetic Algorithm, GA)由John Holland於1975年所提出，源自達爾文「物競天擇，適者生存」的概念。 基因演算法演化階段分為群體的產生、適應函數評估和一般基因流程。 CYUT_SCL
25
文獻探討 評估方式 產生群體 適應函數 選擇 是否符合條件? 交配 突變 結束 是 否 基因演算法流程圖 CYUT_SCL
26
文獻探討 TF-IDF (Term Frequency-Inverse Document Frequency)
c: process內每system call產生的vector d: system call出現在所有資料裡的時間數 f: system call出現在process裡的頻率 N: process在所有資料裡的數量 CYUT_SCL
27
文獻探討 Entropy於入侵偵測主要是探討「process」內每個 「system calls」的出現頻率與疏鬆程度。 CYUT_SCL
28
文獻探討 支援向量機(Support Vector Machine, SVM)是由
Vapnik近幾年提出的方法，可解決分類、預測等問題，主要的能力在於利用高維度空間產生超平面。 CYUT_SCL
29
文獻探討 入侵偵測的方法最早由Anderson於1980年所提出，後來由Denning於1986年所介紹後，逐漸為人們熟知。
CYUT_SCL
30
文獻探討 KNN(最近鄰居決定法則) ANN(類神經網路) CYUT_SCL
31
文獻探討 SVM(支援向量機) CYUT_SCL
32
研究方法與架構 系統架構 KDD data Entropy TF TF-IDF SVM 投票權重模組 分類結果 前處理工作(基因演算法)
CYUT_SCL
33
研究方法與架構 實驗所用的資料來自麻省理工學院的林肯實驗室所模擬，並由第三屆國際知識發現與資料探勘競賽，這個競賽將攻擊主要分成四種:
DOS: denial-of-service R2L: unauthorized access from a remote machine U2R: unauthorized access to local superuser (root) privileges probing: surveillance and other probing 我們共收集120,094筆資料，其中60,000筆當成訓練資料，60,094筆為測試資料。 CYUT_SCL
34
研究方法與架構 資料前處理與轉換 0,0.6,private,SF,105,146,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,2,2,0.00,0.00,0.00,0.00,1.00,0.00,0.00,255,254,1.00,0.01,0.00,0.00,0.00,0.00,0.00,0.00,snmpgetattack. 0,0.6,10,105,146,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,2,2,0.00,0.00,0.00,0.00,1.00,0.00,0.00,255,254,1.00,0.01,0.00,0.00,0.00,0.00,0.00,0.00,1 CYUT_SCL
35
研究方法與架構 非數字轉換對照表 CYUT_SCL
36
研究方法與架構 投票方法(Voting policy) Where CYUT_SCL
37
研究方法與架構 投票權重方法(Voting weight policy) Where CYUT_SCL
38
研究方法與架構 Where CYUT_SCL
39
研究方法與架構 測試資料 CYUT_SCL
40
研究方法與架構 權重分配表 CYUT_SCL
41
研究方法與架構 評估公式 CYUT_SCL
42
研究方法與架構 實驗結果 CYUT_SCL
43
結論與未來發展 使用一般投票機制進行投票，雖然可以提升整體的攻擊偵測率與精確率，但Entropy-SVM所帶來的高誤判率影響總成果，因此加上權重方法。 下一階段研究將會結合基因演算法。利用基因演算法可大大降低系統複雜度。 CYUT_SCL
44
結論與未來發展 先設定染色體欄位數(1~39)，再從原始資料隨機抽取預設欄位內資料，我們預設母體包含100條染色體。 CYUT_SCL
45
結論與未來發展 CYUT_SCL
46
學習態度與專業發展 Understand Your true potential
Take responsibility for your life Act as if you had no limitation Be true to your personal values Decide what you truly want to accomplish CYUT_SCL
47
學習態度與專業發展 Measure how well you’re progressing
Eliminate all your roadblocks Link up with the right people Have positive beliefs Be honest about where you are CYUT_SCL
48
學習態度與專業發展 Manage your time well Review your goals each and every day
Visualize your goals constantly Make some progress every day Stay with it you succeed CYUT_SCL
49
Talent Is Cheap Than Table Salt, Only Hard Work You Can Do It.
CYUT_SCL
50
Thanks For Your Listening CYUT_SCL
Similar presentations
