MỘT CÁCH TIẾP CẬN KẾT HỢP MẠNG NƠ-RON HỒI QUY VÀ TẬP LUẬT CHO PHÁT HIỆN XÂM NHẬP MẠNG

Trần Thị Hương, Phạm Văn Hạnh

Tóm tắt


Phát hiện xâm nhập mạng là một trong những vấn đề quan trọng nhất của an ninh mạng và được rất nhiều nhóm trong và ngoài nước quan tâm nghiên cứu. Trong bài báo này chúng tôi trình bày một mô hình dựa vào việc kết hợp mạng nơ-ron truy hồi (recurrent neural network) và tập luật (rules) để phát hiện xâm nhập mạng. Ý tưởng chính của mô hình là việc kết hợp những điểm mạnh trong từng mô hình phân loại đơn lẻ. Tập luật có khả năng phát hiện tốt những cuộc tấn công đã biết, trong khi đó mạng nơ-ron truy hồi lại có ưu thế trong việc phát hiện những cuộc tấn công mới. Từ việc so sánh hiệu quả phát hiện giữa mô hình của chúng tôi với các mô hình phát hiện trước đây trên cùng bộ dữ liệu chuẩn KDD CUP 99 cho thấy mô hình đề xuất có hiệu quả cho việc phát hiện xâm nhập mạng tỷ lệ phát hiện xâm nhập cao trên 99%.


Từ khóa


Hệ thống phát hiện xâm nhập mạng; Mạng nơ-ron truy hồi; Tập luật.

Toàn văn:

PDF

Các tài liệu tham khảo


Al-Mamory, S. O., & Jassim, F. S. (2013). Evaluation of different data mining algorithms with KDD Cup 99 dataset. Journal of Babylon University/Pure and Applied Sciences, 21(8), 2663-2670.

Bhavasar, Y. B., & Waghmare, K. C. (2013). Intrusion detection system using data mining technique: Support Vector Machines. International Journal of Emerging Technology and Advanced Engineering, 3(3), 581-586.

Bouzida, Y., & Cuppens, F. (2006). Neural networks vs decision tree for intrusion detection. Retrieved from http://www.diadem-firewall.org/workshop06/papers/monam06-paper-29.pdf.

Kayacik, G., Heywood, A. N. Z., & Heywood, I. M. (2005). Selecting features for intrusion detection: A feature relevance analysis on KDD 99. Paper presented at The Third Annual Conference on Privacy, Securitty and Trust, Canada.

Kim, J., & Kim, H. (2016). Applying recurrent neural network to intrusion detection with hessian free optimization. In H. Kim, & D. Choi (Eds), Information Security Applycations (pp. 357-369). Berlin, Germany: Springer Publishing.

Martens, J., & Sutskver, I. (2011). Learning recurrent neural networks with Hessian free optimizations. Paper presented at The 28th International Conference on Machine Learning, USA.

Moradi, M., & Zulkemine, M. (2004). A neural network based system for intrusion detection and classification of attacks. Paper presented at The International Conference on Advances in Intelligent System, Luxembourg.

Mukkamala, S., Janoski, G., & Sung, A. (2002). Intrusion detection: Support Vector Machines and neural networks. Retrieved from http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.407.7230&rep=rep1&type=pdf.

Sethuramalingam, S., & Naganathan, D. (2011). Hybrid feature selection for network intrusion. International Journal on Computer Science and Engineering, 3(5), 1773-1780.

Sodiya, A. S., & Akinola, O. C. (2014). Neural network based intrusion detection systems. International Journal of Computer Applications, 106(18), 19-24.

Subba, B., Biswas, S., & Karmakar, S. (2015). Intrusion detection system using linear discriminant analysis and logictic regression. Paper presented at The Annual IEEE India Conference, India.

Sung, A. H., & Mukkamala, S. (2003). Feature selection for intrusion detection using neural networks and Support Vector Machines. Retrieved from https://www.researchgate.net/publication/228966999_Feature_Selection_for_Intrusion_Detection_with_Neural_Networks_and_Support_Vector_Machines.

Yin, C., Yuenfei, Z., Fei, J., & He, X. (2017). A deep learning approach for intrusion detection using recurrent neural networks. IEEE Access, 5, 21954-21961.




DOI: http://dx.doi.org/10.37569/DalatUniversity.9.2.544(2019)

Các bài báo tham chiếu

  • Hiện tại không có bài báo tham chiếu.


Copyright (c) 2019 Trần Thị Hương, Phạm Văn Hạnh.

Creative Commons License
Công trình này được cấp phép theo Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Văn phòng Tạp chí Đại học Đà Lạt
Nhà A25 - Số 1 Phù Đổng Thiên Vương, Đà Lạt, Lâm Đồng
Email: tapchikhoahoc@dlu.edu.vn - Điện thoại: (+84) 263 3 555 131

Creative Commons License
Trên nền tảng Open Journal Systems
Thực hiện bởi Khoa Công nghệ Thông tin