tailieunhanh - Nâng cao hiệu quả phát hiện xâm nhập mạng bằng huấn luyện DSD

Nghiên cứu này đề xuất mô hình kết hợp mạng nơ-ron nhiều lớp với huấn luyện nhiều giai đoạn DSD để cải tiến đồng thời các tiêu chí liên quan đến hiệu quả thực thi của các hệ thống phát hiện xâm nhập trên tập dữ liệu UNSW‑NB15, là tập được cập nhật thường xuyên các đặc trưng dữ liệu với nhiều hình thức tấn công mới. | Huỳnh Trọng Thưa Nguyễn Hoàng Thành NÂNG CAO HIỆU QUẢ PHÁT HIỆN XÂM NHẬP MẠNG BẰNG HUẤN LUYỆN DSD Huỳnh Trọng Thưa Nguyễn Hoàng Thành Học viện Công nghệ Bưu chính Viễn thông Cơ sở tại Thành phố Hồ Chí Minh Tóm tắt Hầu hết các mô hình phát hiện xâm nhập để cải thiện phát hiện xâm nhập. hiện đại đều ứng dụng học máy để cho ra kết quả Hiệu quả của các IDS được đánh giá dựa trên hiệu phát hiện và phân loại tấn công xâm nhập với độ suất thực thi của chúng trong việc xác định các cuộc tấn chính xác cao. Nghiên cứu này đề xuất mô hình kết công. Điều này đòi hỏi một tập dữ liệu hoàn chỉnh với hợp mạng nơ-ron nhiều lớp với huấn luyện nhiều giai đầy đủ các hành vi bình thường và bất thường. Các tập đoạn DSD để cải tiến đồng thời các tiêu chí liên quan dữ liệu chuẩn trước đây như KDDCUP 99 1 và đến hiệu quả thực thi của các hệ thống phát hiện xâm NSLKDD 2 đã được áp dụng rộng rãi để đánh giá khả nhập trên tập dữ liệu UNSW NB15 là tập được cập năng thực thi của các IDS. Mặc dù hiệu quả của các tập nhật thường xuyên các đặc trưng dữ liệu với nhiều dữ liệu này đã được ghi nhận trong nhiều nghiên cứu hình thức tấn công mới. Chúng tôi tiến hành thực trước đó việc đánh giá IDS bằng cách sử dụng các tập dữ nghiệm trên 3 mô hình mạng nơ-ron RNN LSTM và liệu này không phản ánh đúng hiệu suất đầu ra thực tế do GRU để đánh giá hiệu quả kết hợp với từng mô hình một vài lý do. Lý do đầu tiên là tập dữ liệu KDDCUP 99 thông qua nhiều tiêu chí như độ chính xác tỷ lệ phát chứa một số lượng lớn các bản ghi dư thừa trong tập huấn hiện tỷ lệ cảnh báo giả Precision và F1-Score. luyện. Các bản ghi dư thừa ảnh hưởng đến kết quả của Từ khóa an ninh mạng học máy học sâu IDS các độ lệch bias trong phát hiện xâm nhập đối với các bản ghi thường xuyên. Thứ hai nhiều bản ghi bị thiếu là một mạng nơ-ron. yếu tố thay đổi bản chất của dữ liệu. Thứ ba tập dữ liệu I. GIỚI THIỆU NSLKDD là phiên bản cải tiến của KDDCUP 99 nó giải quyết một số vấn đề như mất cân bằng dữ liệu giữa các Hệ thống phát hiện xâm nhập