បញ្ហា (The Problem)៖ ប្រព័ន្ធរកឃើញការលុកលុយបណ្តាញ (NIDS) ប្រឈមមុខនឹងបញ្ហានៃការផ្លាស់ប្តូរបរិយាកាសឥតឈប់ឈរដែលបណ្តាលឱ្យមានការវាយប្រហារប្រភេទថ្មីៗ (Concept Drift) ហើយការប្រើប្រាស់វិធីសាស្ត្រ KNN បែបបុរាណមានដំណើរការយឺត និងមិនអាចសម្របខ្លួនបានទាន់ពេលវេលា។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះស្នើឡើងនូវប្រព័ន្ធសិក្សាបន្ថែម (Incremental Learning) ដែលរួមបញ្ចូលការធ្វើចំណាត់ថ្នាក់ KNN ជាមួយការជ្រើសរើសទិន្នន័យគំរូ ដើម្បីកាត់បន្ថយទំហំទិន្នន័យ និងធ្វើបច្ចុប្បន្នភាពចំណេះដឹងជាបន្តបន្ទាប់។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Classical KNN (Offline Learning) ការធ្វើចំណាត់ថ្នាក់ KNN បែបបុរាណ (រៀនតែម្តងនៅពេលចាប់ផ្តើម) |
មានភាពសាមញ្ញក្នុងការអនុវត្ត និងមិនពឹងផ្អែកលើម៉ូដែលស្មុគស្មាញ (Non-parametric)។ | មានល្បឿនយឺតខ្លាំងនៅពេលទិន្នន័យមានទំហំធំ និងមិនអាចចាប់យកការវាយប្រហារប្រភេទថ្មីៗបានទេ (Static knowledge)។ | អត្រាមានកំហុសមធ្យម (Mean Error Rate) ខ្ពស់ប្រហែល ១៣.៧៥% (នៅពេល K=1)។ |
| Incremental KNN with Instance Selection ប្រព័ន្ធ KNN បែបសិក្សាបន្ថែម ជាមួយការជ្រើសរើសទិន្នន័យគំរូ (វិធីសាស្ត្រដែលស្នើឡើង) |
មានល្បឿនលឿនដោយសារការកាត់បន្ថយទំហំទិន្នន័យ និងអាចធ្វើបច្ចុប្បន្នភាពចំណេះដឹងដើម្បីស្គាល់ការវាយប្រហារថ្មីៗ (Concept Drift Adaptation)។ | ប្រសិទ្ធភាពអាចអាស្រ័យលើលំដាប់នៃព្រឹត្តិការណ៍ដែលចូលមក (Sensitive to order of events) ប៉ុន្តែអ្នកនិពន្ធចាត់ទុកថានេះជាគុណសម្បត្តិសម្រាប់ការសិក្សាតាមពេលវេលា។ | កាត់បន្ថយអត្រាមានកំហុសមកត្រឹម ២.៥៦% (នៅពេល K=1) និងកាត់បន្ថយទំហំមូលដ្ឋានទិន្នន័យបណ្តុះបណ្តាលបាន ៩៩%។ |
ការចំណាយលើធនធាន (Resource Cost)៖ វិធីសាស្ត្រនេះត្រូវបានរចនាឡើងដើម្បីដំណើរការលើប្រព័ន្ធដែលមានធនធានកំណត់ ដោយសារវាមានសមត្ថភាពកាត់បន្ថយទិន្នន័យបានយ៉ាងច្រើន ធ្វើឱ្យមិនត្រូវការកុំព្យូទ័រដែលមានកម្លាំងខ្លាំងពេកនោះទេ។
ការសិក្សានេះប្រើប្រាស់ទិន្នន័យដែលប្រមូលបានពីបណ្តាញជាក់ស្តែងក្នុងរយៈពេលខ្លី (ប្រហែលមួយសប្តាហ៍)។ នេះជាចំណុចខ្វះខាតមួយព្រោះទម្រង់នៃការវាយប្រហារក្នុងប្រទេសកម្ពុជាអាចខុសគ្នាពីបរិបទនៃការសិក្សានេះ ហើយរយៈពេលខ្លីអាចមិនឆ្លុះបញ្ចាំងពីការប្រែប្រួលតាមរដូវកាល។
វិធីសាស្ត្រនេះមានប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់វិស័យសន្តិសុខតាមអ៊ីនធឺណិតនៅកម្ពុជា ជាពិសេសសម្រាប់ការការពារប្រព័ន្ធបណ្តាញដែលមានការផ្លាស់ប្តូរលឿន។
វាផ្តល់នូវដំណោះស្រាយដែលមានប្រសិទ្ធភាពខ្ពស់ និងចំណាយតិចសម្រាប់ការការពារបណ្តាញកុំព្យូទ័រ ដែលសាកសមនឹងស្ថាប័ននៅកម្ពុជាដែលចង់ពង្រឹងសុវត្ថិភាពទិន្នន័យ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Incremental Learning | ជាវិធីសាស្ត្រនៃការបណ្តុះបណ្តាលម៉ូដែលដែលអនុញ្ញាតឱ្យប្រព័ន្ធរៀនចំណេះដឹងថ្មីៗជាបន្តបន្ទាប់នៅពេលមានទិន្នន័យថ្មីចូលមក ដោយមិនចាំបាច់លុបចោលចំណេះដឹងចាស់ ឬចាប់ផ្តើមរៀនពីដំបូងឡើយ។ | ដូចសិស្សដែលរៀនមេរៀនថ្មីបន្ថែមជារៀងរាល់ថ្ងៃ ដោយមិនចាំបាច់រៀនមេរៀនទាំងអស់ឡើងវិញតាំងពីថ្នាក់ទីមួយ។ |
| Concept Drift | ជាបាតុភូតដែលលក្ខណៈនៃទិន្នន័យ ឬទម្រង់នៃការវាយប្រហារមានការផ្លាស់ប្តូរតាមពេលវេលា ដែលធ្វើឱ្យម៉ូដែលដែលបានបណ្តុះបណ្តាលពីមុនលែងមានប្រសិទ្ធភាព ឬមានភាពសុក្រឹតតិចជាងមុន។ | ដូចជាការផ្លាស់ប្តូរម៉ូដសម្លៀកបំពាក់តាមសម័យកាល អ្វីដែលពេញនិយមពីមុនអាចនឹងលែងត្រូវនឹងចំណង់ចំណូលចិត្តបច្ចុប្បន្ន។ |
| Instance Selection (IS) | ជាដំណើរការនៃការជ្រើសរើសយកតែសំណុំទិន្នន័យតំណាងសំខាន់ៗបំផុតចេញពីទិន្នន័យដើមដ៏ច្រើន ដើម្បីកាត់បន្ថយទំហំផ្ទុក និងបង្កើនល្បឿននៃការគណនា ដោយរក្សានូវភាពត្រឹមត្រូវដដែល។ | ប្រៀបដូចជាការសង្ខេបសៀវភៅមួយក្បាល ដោយដកស្រង់យកតែប្រយោគសំខាន់ៗមកសិក្សា ដើម្បីចំណេញពេលវេលា។ |
| Condensed Nearest Neighbor (CNN) | ជាក្បួនដោះស្រាយមួយសម្រាប់កាត់បន្ថយទំហំទិន្នន័យបណ្តុះបណ្តាល ដោយរក្សាទុកតែទិន្នន័យណាដែលចាំបាច់ដើម្បីកំណត់ព្រំដែននៃការធ្វើចំណាត់ថ្នាក់ឱ្យបានត្រឹមត្រូវ និងលុបចោលទិន្នន័យដែលលែងត្រូវការ។ | ដូចជាការរក្សាទុកតែលំហាត់គំរូដែលពិបាកៗដើម្បីរៀន និងបោះចោលលំហាត់ងាយៗដែលស្រដៀងគ្នាខ្លាំងពេក។ |
| False Negative (FN) | ជាកំហុសនៃការវិភាគដែលប្រព័ន្ធសុវត្ថិភាពសន្និដ្ឋានថា 'គ្មានការវាយប្រហារ' (Normal) ទាំងដែលការពិតកំពុងមានការវាយប្រហារកើតឡើង។ នេះជាកំហុសដ៏គ្រោះថ្នាក់បំផុតសម្រាប់ប្រព័ន្ធសុវត្ថិភាព។ | ដូចជាឧបករណ៍រាវរកផ្សែងដែលមិនបន្លឺសំឡេងព្រមាន នៅពេលមានអគ្គិភ័យកើតឡើងជាក់ស្តែង។ |
| K-Nearest Neighbor (KNN) | ជាក្បួនដោះស្រាយសម្រាប់ធ្វើចំណាត់ថ្នាក់ទិន្នន័យថ្មី ដោយផ្អែកលើភាពស្រដៀងគ្នារបស់វាទៅនឹងទិន្នន័យចាស់ចំនួន K ដែលនៅជិតបំផុតនៅក្នុងមូលដ្ឋានទិន្នន័យ។ | ដូចពាក្យស្លោកថា 'មើលមិត្តភក្តិជិតស្និទ្ធបំផុតរបស់គេ ដើម្បីដឹងថាគេជាមនុស្សបែបណា'។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
