1 |
Data Mining for Network Intrusion Detection : A comparison of data mining algorithms and an analysis of relevant features for detecting cyber-attacksPetersen, Rebecca January 2015 (has links)
Data mining can be defined as the extraction of implicit, previously un-known, and potentially useful information from data. Numerous re-searchers have been developing security technology and exploring new methods to detect cyber-attacks with the DARPA 1998 dataset for Intrusion Detection and the modified versions of this dataset KDDCup99 and NSL-KDD, but until now no one have examined the performance of the Top 10 data mining algorithms selected by experts in data mining. The compared classification learning algorithms in this thesis are: C4.5, CART, k-NN and Naïve Bayes. The performance of these algorithms are compared with accuracy, error rate and average cost on modified versions of NSL-KDD train and test dataset where the instances are classified into normal and four cyber-attack categories: DoS, Probing, R2L and U2R. Additionally the most important features to detect cyber-attacks in all categories and in each category are evaluated with Weka’s Attribute Evaluator and ranked according to Information Gain. The results show that the classification algorithm with best performance on the dataset is the k-NN algorithm. The most important features to detect cyber-attacks are basic features such as the number of seconds of a network connection, the protocol used for the connection, the network service used, normal or error status of the connection and the number of data bytes sent. The most important features to detect DoS, Probing and R2L attacks are basic features and the least important features are content features. Unlike U2R attacks, where the content features are the most important features to detect attacks.
|
2 |
”De får helt andra kunskaper när man djuplodar såhär” : En kvalitativ studie om hur lågstadielärare tillämpar metodiken Reading to Learns strategier i undervisningenHansson, Josefine, Lind, Rebecca January 2019 (has links)
Detta är en kvalitativ studie som undersöker den genrebaserade metodiken Reading to Learn. I studien undersöker vi vilka av metodikens strategier lågstadielärare använder samt hur strategierna tillämpas i undervisningen. Vi har även undersökt vilka möjligheter och begränsningar det finns med metodiken. Underlaget för studiens empiriska material är lärarintervjuer och klassrumsobservationer där Reading to Learn har tillämpats i undervisningen. Intervjuerna och observationerna har bearbetats genom tematisk analys. Fortsättningsvis framgår det genom resultatet att lärarnas val av strategier beror på elevernas förutsättningar och behov. I studien framkom det även att tillämpningen av Reading to Learn sker på olika sätt i lärarnas klassrum. Enligt vår studie är möjligheterna med metodiken att alla elevgrupper kan delta i en helklassundervisning. Dessutom kan eleverna tillägna sig svårare texter eftersom Reading to Learn sker i ett socialt samspel. Andra möjligheter är att Reading to Learn är ett ämnesövergripande arbetssätt och kan kopplas samman med den svenska läroplanen, Lgr11. Begränsningarna som framkom i vår studie var att förberedelserna inför arbetet med metodiken är tidskrävande. En annan begränsning är att elevernas skrivande hämmas eftersom elevernas kreativitet inte får tillräckligt med utrymme när de utgår från strukturen i en modelltext. Utifrån studiens resultat är vår slutsats att alla elevgrupper kan vara delaktiga i undervisningen eftersom strategierna kan anpassas efter elevernas förutsättningar och behov. Sammanfattningsvis är Reading to Learn inget färdigt recept och det innebär att metodiken är ett verktyg för att vägleda läraren och eleverna i undervisningen.
|
Page generated in 0.0232 seconds