Эффективная система обнаружения вторжений с использованием XGBoost
Effective Intrusion Detection System Using XGBoost
2018-06-21
SCID: 54.1/hwus4hn4
Discuss with AI
матрица ошибоксистема обнаружения вторженийнабор данных NSL-KDDбезопасность сетиXGBoost
Figures from the paper
Abstract (AI)
По мере того как мир приближается к внедрению коммуникационных технологий пятого поколения и осваивает такие концепции, как виртуализация и облачная трансформация, безопасность остается наиболее важным аспектом, поскольку все большие объемы данных подключаются к интернету. В статье представлена модель, предназначенная для оценки различных параметров сетевых данных, включая точность, прецизионность и матрицу ошибок. Для получения требуемых результатов алгоритм XGBoost применяется к набору данных NSL-KDD (Network Socket Layer–Knowledge Discovery in Databases — уровень сетевых сокетов — обнаружение знаний в базах данных). Основная цель заключается в оценке целостности данных и повышении точности их прогнозирования. Такой подход позволяет минимизировать объем вредоносных данных, циркулирующих в сети, и тем самым сделать ее более безопасной средой для обмена информацией. Чем безопаснее сеть, тем меньше возможностей для взлома или изменения данных. Изменение параметров модели в дальнейших исследованиях может способствовать оптимизации анализа данных, поступающих в сеть и выходящих из нее. Данные являются важнейшим элементом сети, и их более глубокое и точное изучение составляет половину выполненной работы. Исследование и анализ закономерностей и объемов данных в сети способствуют созданию надежной системы обнаружения вторжений (IDS), которая поддерживает целостность сети и обеспечивает безопасную среду для обмена конфиденциальной информацией.
Key Findings
1
В аннотации не приведены конкретные числовые результаты эффективности или сравнения с альтернативными методами обнаружения вторжений.
2
Параметры модели можно изменять в будущих исследованиях для оптимизации обнаружения данных, поступающих в сеть и выходящих из неё.
3
В работе XGBoost применяется к набору данных NSL-KDD для обнаружения сетевых вторжений.
4
Предлагаемая система обнаружения вторжений оценивает сетевой трафик с использованием точности, полноты, матриц ошибок и других показателей.
5
Цель исследования — повысить точность прогнозирования и выявлять вредоносные сетевые данные, поддерживая безопасность сети и целостность данных.
Research Object
сетевой трафик данных, представленный в наборе данных NSL-KDD
Research Subject
эффективность классификации для обнаружения вторжений, включая точность, precision и показатели матрицы ошибок
Publication Details
Publication Date
2018-06-21
Journal
Publisher
ISSN
Cited by
506
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest