Dec, 2023
使用 PCA、t-SNE 和 UMAP 可视化分析和分类 5G 网络流量入侵攻击的关键分析
Critical Analysis of 5G Networks Traffic Intrusion using PCA, t-SNE and UMAP Visualization and Classifying Attacks
Humera Ghani, Shahram Salekzamankhani, Bal Virdee
TL;DR使用基于人工智能的自主端到端安全设计方法，通过检测网络流量异常，解决 5G 网络上物理设备的安全问题。本研究使用最近发布的 5G 流量数据集 5G-NIDD，并通过机器学习和深度学习方法来检测网络流量异常。通过可视化技术、数据降维、解决类别不平衡问题以及分类器的评估，我们得到了最佳结果，使用 K 最近邻分类器时准确率达到 97.2%，检测率为 96.7%，误报率为 2.2%。