Đang chuẩn bị liên kết để tải về tài liệu:
Tối ưu hoá hệ đa chuyên gia nhị phân để nâng cao xác suất phát hiện tấn công

Tối ưu hoá hệ đa chuyên gia nhị phân với các chuyên gia được xây dựng dựa trên các mạng nơron: Multilayer perceptron (MLP), Support Vector Machine (SVM) và phương pháp Random Forest (RF) để nâng cao xác suất phát hiện tấn công Reconnaissance trên tập dữ liệu UNSW-NB15. | Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XIV về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin FAIR TP. HCM ngày 23-24 12 2021 DOI 10.15625 vap.2021.00106 TỐI ƯU HOÁ HỆ ĐA CHUYÊN GIA NHỊ PHÂN ĐỂ NÂNG CAO XÁC SUẤT PHÁT HIỆN TẤN CÔNG Lê Quang Minh1 Lê Thị Trang Linh2 1 Viện Công nghệ Thông tin - Đại học Quốc gia Hà Nội 2 Đại học Điện lực quangminh@vnu.edu.vn tranglinh2011@gmail.com TÓM TẮT Tối ưu hoá hệ đa chuyên gia nhị phân với các chuyên gia được xây dựng dựa trên các mạng nơron Multilayer perceptron MLP Support Vector Machine SVM và phương pháp Random Forest RF để nâng cao xác suất phát hiện tấn công Reconnaissance trên tập dữ liệu UNSW-NB15. Kết quả thử nghiệm cho thấy hệ đa chuyên gia nhị phân cho kết quả cao hơn kết quả của từng chuyên gia và khi tăng số lượng các chuyên gia thì hệ đa chuyên gia cho kết quả cũng cao hơn. Hệ đa chuyên gia nhị phân sau khi tối ưu có thể trở thành một công cụ hữu ích giúp hệ thống nâng cao xác suất phát hiện các cuộc tấn công. Từ khóa IDS Dataset UNSW-NB15 Hệ đa chuyên gia nhị phân. I. GIỚI THIỆU Phát hiện tấn công trong mạng máy tính luôn là một thách thức mà các quản trị viên bảo mật và nhân viên phải đối mặt. Hệ thống phát hiện xâm nhập Intrusion Detection System IDS đã trở thành một lựa chọn chính và là công cụ phổ biến để xác định các hoạt động bất thường và độc hại trong hệ thống máy tính và mạng. Việc nâng cao xác suất phát hiện các cuộc tấn công và giảm tỷ lệ báo động sai luôn là bài toán được quan tâm hàng đầu và là đề tài nghiên cứu của rất nhiều các nhà khoa học. Trong bài báo này tôi trình bày quá trình tối ưu hoá hệ đa chuyên gia nhị phân - MEBS để tăng xác suất phát hiện tấn công Reconnaissance trong tập dữ liệu tấn công UNSW-NB15 1 . Các chuyên gia trong MEBS được xây dựng dựa trên mạng nơron MLP máy véctơ hỗ trợ SVM - support vector machine phương pháp rừng ngẫu nhiên RF - random forest . Bài báo gồm có những phần sau I. Giới thiệu II. Cấu trúc hệ đa chuyên gia nhị phân để phát hiện tấn công Reconnaisanse III. .