项目理念 | （恶意网络活动检测）

目标：随着互联网活动的增加，现在每天都有很多。非法访问私人数据的可能性也增加了。该项目的目的是过滤网络活动并确定其中哪些是非法的。该过程类似于从电子邮件中过滤垃圾邮件。

工具：该项目基于机器学习算法，我们将制作一个分类器，该分类器将获取一些测试网络输入并从中学习，学习过程将提取特定输入的特征并将其存储以检测即将到来的输入。我们可以在这个项目中使用 Matlab 或 Octave 工具，因为使用的算法很难用 c++ 或Java等语言实现，但我们可以将 R 语言用于某些模块。

实现：我们可以使用感知器算法来制作分类器。它们属于监督学习的范畴。为了实现检测器，我们将所有类型的恶意活动一一提供给分类器，然后所有那些表示非法活动的特征都将存储在我们的分类器中，然后可以将这个细节与中性活动进行比较，以区分一般访问和恶意访问.

研究领域及进一步工作：研究领域包括自然语言处理、人工智能和机器学习。在构建这样的分类器以减少网络犯罪方面正在进行大量研究。在实施此类分类器后，它们可用于分析网络活动以及对象检测和识别（使用不同的数据输入）。目前，在识别心理障碍方面正在进行类似的努力。

您可以参考这些论文和链接以获取有关分类器的具体实现和正在进行的研究的更多信息 -
https://en.wikipedia.org/wiki/Perceptron
http://nms.lcs.mit.edu/papers/thesis-final.pdf
http://infoscience.epfl.ch/record/141022/files/pdm.pdf
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.375.4564&rep=rep1&type=pdf