Xizmat ko’rsatishni rad etish

Ilgari ma'lum bo'lgan tarmoq hujumlarini aniqlash usuli, masalan, "rad etish texnik xizmat ko'rsatish" ustida asos algoritm gradient oshirish

IN modellar ustida asos ta'lim berish namunalar tarmoq tirbandlik so'rang kirish parametrlarining 𝑓 ( 𝑥 _{𝑚 )} funksiyasi , eng kam sonli noto'g'ri tasniflangan paketlar bashorat qiladi natijasida 𝑥 ning har qanday yangi qiymatlari uchun hujum sinfi 𝑥 [156]. Chiqish qiymatlari olinadi barcha oldindan belgilangan qiymatlarni o'z ichiga olgan diskret to'plamdan 𝑌 sinflar.
𝑌 = {𝑦 _1, 𝑦 ₂ , … , 𝑦 _𝑚 } , (2.17)
qayerda 𝑚 - natijada olingan sinflar soni.
Shunday qilib yo'l
𝑓: 𝑋 → 𝑌 , (2.18)
qayerda 𝑋 - bu to'plam vektorlar atributlar tarmoq paketlar, 𝑌- _ to'plam buyumlar sinflar tarqatilgan tarmoq hujumlar.
Maqsadga bog'liqlik qiymatlari 𝑓 faqat yakuniy ob'ektlarga ma'lum o'quv to'plami [156]:
𝑥 ^𝑚 = {(𝑥 ₁ , 𝑦 ₂ ), … , (𝑥 _𝑚 , 𝑦 _𝑚 )} . (2.19) IN sifat Asosiy algoritm foydalanish oshirish yuqorida hal qiluvchi bilan qo'shimcha funktsiyani qurishga asoslangan daraxtlar
foydalanish miqdor daraxtlar yechimlar. [ 134 ].
Jarayon optimallashtirish algoritm kerak uchun tanlash parametrlari o'rganish modellar, da qaysi ehtimollik to'g'ri tasnifi bo'ladi maksimal.
Parametrlar uchun optimallashtirish modellar tanlangan quyidagilar [181]:

• 
  raqam iteratsiyalar n_estimators;
  
• 
  tezlik o'rganish o'rganish_stavkasi;
  
• 
  balandligi ta'lim berish daraxt maksimal_chuqurlik;
  
• 
  raqam sho''ba korxonalar daraxtlar min_child_namunalar.
  

Baholash uchun aʼzolikni bashorat qiluvchi koʻrsatkichlardan foydalanilgan. har bir ob'ekt sinflardan biriga. Tasniflash matritsasi berilgan 1 - jadval . 𝑦 ̂ - ritm algoritmiga javob _ _ _ _ ustida ob'ekt haqida , _ _ 𝑦 -ist va n y sinf _ _ ob'ekt haqida .
stol 2.2. Matritsa xatolar tasnifi

	y=1	y=0
𝑦 = bitta	Haqiqatan ham ijobiy (TP)	Yolg'on ijobiy (FP)
𝑦 = 0	Yolg'on salbiy (FN)	Haqiqatan ham salbiy (TN)

Uchun taxminlar to'g'rilik ish modellar klassifikator ishlatilgan quyidagi ko'rsatkichlar:
Ko'rsatkichlar taxminlar tasnifi [135]:
𝑎𝑐𝑐𝑢𝑟𝑎𝑐𝑦 = ^{𝑇𝑃+𝑇𝑁} . (2.20)
𝑇𝑃+𝑇𝑁+𝐹𝑃+𝐹𝑁
Berilgan namuna uchun quyidagi sifat ko'rsatkichlaridan foydalanamiz ob'ektlar [136]:

𝑇𝑃𝑅 = ^𝑇𝑃
𝑇𝑃 + 𝐹𝑁
; 𝐹𝑃𝑅 = ^𝐹𝑃
𝑇𝑁 + 𝐹𝑃
(2.21)

ROC egri chiziq belgilangan Keyingi yo'l Qanday funktsiyasi:
𝑅𝑂𝐶(𝑥) = 𝑇𝑃𝑅(𝐹𝑃𝑅 − 1(𝑥)), 𝑥𝜖[0,1] (2.22) RMS Xato [137]:

𝑅𝑀𝑆 = √ ^{1 ∑ 𝑛} (𝑑 − 𝑝 ) ² ,

(2.23)

_𝑛 𝑖=1 ^{𝑖 𝑖}

qayerda 𝑑 _𝑖 to'g'ri bashorat qilingan ob'ektlar soni, 𝑝 _𝑖 - jami ob'ektlar namunalar.