Ваш любимый книжный интернет-магазин
Перейти на
GlavKniga.SU
Ваш город: Алматы
Ваше местоположение – Алматы
 Да 
От вашего выбора зависит время и стоимость доставки
Корзина: пуста
Авторизация 
  Логин
  
  Пароль
  
Регистрация  Забыли пароль?

Поиск по каталогу 
(строгое соответствие)
ISBN
Фраза в названии или аннотации
Автор
Язык книги
Год издания
с по
Электронный носитель
Тип издания
Вид издания
Отрасли экономики
Отрасли знаний
Сферы деятельности
Надотраслевые технологии
Разделы каталога
худ. литературы

Worm Origin Identification & Propagation Path Reconstruction. Probabilistically

В наличии
Местонахождение: АлматыСостояние экземпляра: новый
Бумажная
версия
Автор: Tala Tafazzoli and Babak Sadeghiyan
ISBN: 9786202516488
Год издания: 2020
Формат книги: 60×90/16 (145×215 мм)
Количество страниц: 96
Издательство: LAP LAMBERT Academic Publishing
Цена: 23036 тг
Положить в корзину
Позиции в рубрикаторе
Отрасли знаний:
Код товара: 569503
Способы доставки в город Алматы *
комплектация (срок до отгрузки) не более 2 рабочих дней
Самовывоз из города Алматы (пункты самовывоза партнёра CDEK)
Курьерская доставка CDEK из города Москва
Доставка Почтой России из города Москва
      Аннотация: This book mainly aims at detecting the origins of preferential scanning worm and reconstructing its spread path. Our goal was to obtain a probability distribution function for estimating the probability of infection for nodes when preferential scanning worm is propagating. An algorithm is also developed on the basis of this probability distribution to allow detection of worm origin and reconstruction of its propagation path. Our purpose is to employ a complementary method and Back-to-Origin modeling to perform post-mortem forensic analysis for the propagation of worm, using the gathered network data. This is carried out to overcome the weaknesses of the current approaches, especially their high storage demand and computational complexity.
Ключевые слова: worm propagation model, worm origin identification, worm propagation path reconstruction, Probability Distribution Function, Back-to-Origin model, Estimation of Distribution Algorithm, Bayesian Network