研究新型支持向量神经网络在数字法医数据中异常检测的有效性
Umar Islam1, Hathal Salamah Alwageed2, Malik Muhammad Umer Farooq3
1Department of Computer Science, IQRA National University, Swat Campus, Peshawar 25100, Pakistan.
Sensors (Basel, Switzerland)
|July 8, 2023
概括
一种新的新型支持向量神经网络 (NSVNN) 方法有效地检测数字取证数据中的异常. 这种方法在数字调查中为识别犯罪活动提供了更高的准确性和可解释性.
科学领域:
- 数字法医学数字法医学
- 网络安全 网络安全
- 机器学习 机器学习
背景情况:
- 犯罪活动越来越多地涉及数字设备,需要先进的调查方法.
- 数字取证数据中的异常检测对于识别可疑模式,表明犯罪行为至关重要.
研究的目的:
- 提出一种有效的方法,用于在数字取证中检测异常.
- 介绍和评估一种新的方法,新型支持矢量神经网络 (NSVNN),用于识别可疑的数字活动.
主要方法:
- 开发和实施了新型支持向量神经网络 (NSVNN) 算法.
- 在现实世界数字取证数据集上评估NSVNN的性能,并将其与支持矢量机 (SVM) 和神经网络进行比较.
- 分析了使用准确度,精度,回忆和F1得分的性能,以及可解释性的特征重要性.
主要成果:
- 与SVM和神经网络等现有算法相比,NSVNN方法显示出更高的异常检测准确性.
- 确定了对异常检测有重大贡献的关键特征.
- 该NSVNN模型为异常识别的决策过程提供了可解释的见解.
结论:
- 新型支持向量神经网络 (NSVNN) 是一种高效和可解释的方法,用于在数字法医中检测异常.
- 这项研究通过数据分析来识别犯罪行为提供了强大的工具,从而推动了数字法医的发展.
- 强调了性能和可解释性在开发实用数字法医工具时的双重重要性.
