Die Netzwerkforensik hilft beim Aufspüren von Cyberbetrügern, indem sie Netzwerkdaten auswertet und zurückverfolgt. Die Netzwerkforensik analysiert den Netzwerkverkehr, um Eindringlinge zu erkennen und zu untersuchen, wie das Verbrechen stattgefunden hat, d.h. einen Tatort für Untersuchungen und Nachstellungen zu schaffen. Diese Studie schlägt ein allgemeines Prozessmodell und eine Architektur für die Netzwerkforensik vor. Ein sekundärer Datensatz, KDD CUP, mit normalem und anormalem Datenverkehr wird zur Analyse verwendet, um den gesamten Prozess zu simulieren. Der Datensatz wird weitgehend verarbeitet, um Merkmale auszuwählen und Redundanzen zu entfernen. Der Datensatz wurde bereinigt, bevor er mit dem Support Vector Machine Lernmodell analysiert wurde, um den Datenverkehr zu klassifizieren. Die Multiklassen-Klassifizierung wurde verwendet, um verschiedene Arten von Netzwerkangriffen zu kategorisieren. Die Genauigkeit des Modells wird dann anhand der erzielten Ergebnisse bewertet.

Prabhjot Kaur arbeitet an der Universität von Uttaranchal. Sie hat großes Interesse an der Datenanalyse mit ML.Dr. Amit Awasthi arbeitet an der University of Petroleum & Energy Studies und verfügt über mehr als 15 Jahre Berufserfahrung. Er hat 40 Forschungsarbeiten in SCI-Zeitschriften mit einem Impact-Faktor von 75, einem i10-Index von 18 und Zitierungen von 1000 veröffentlicht.