Die Studie entwickelte einen Fragebogen, um Daten von Opfern und Nicht-Opfern von Cyber-Angriffen basierend auf soziodemografischen Merkmalen zu sammeln. Durch Datenerweiterung wurde der Datensatz auf 3286 Einträge erweitert. Mehrere Maschinelle Lernmodelle mit 19, 20, 21 und 26 Merkmalen wurden trainiert, wobei das neuartige Pertinent Features Random Forest (RF) Modell mit 20 Merkmalen die höchste Genauigkeit von 95,95% erreichte. Außerdem wurde die Beziehung zwischen den ausgewählten Merkmalen mit dem Apriori-Algorithmus untersucht, wobei Regeln mit einer Konfidenz von über 80% identifiziert wurden. Das vorgeschlagene Framework wurde auf realen Datensätzen evaluiert und zeigt sein Potenzial, Cyber-Angriffe und zugehörige Risikofaktoren effektiv vorherzusagen.
In un'altra lingua
dal contenuto originale
arxiv.org
Approfondimenti chiave tratti da
by Fatama Tuz J... alle arxiv.org 04-02-2024
https://arxiv.org/pdf/2404.00068.pdfDomande più approfondite