一种利用深度学习用于SDN的网络入侵检测系统新方法：未来导向方法
密码学与安全
2022-08-15 v1 人工智能
机器学习
网络与互联网体系结构
摘要
软件定义网络（SDN）是改变传统网络架构的下一代技术。SDN是改变互联网网络架构的有前途的解决方案之一。由于SDN架构的集中式特性，攻击变得更加常见。为SDN提供安全性至关重要。在本研究中，我们提出了一种在SDN背景下的网络入侵检测系统-深度学习模块（NIDS-DL）方法。我们建议的方法将网络入侵检测系统（NIDS）与多种类型的深度学习算法相结合。我们的方法采用通过特征选择方法从NSL-KDD数据集的41个特征中提取的12个特征。我们使用了分类器（CNN、DNN、RNN、LSTM和GRU）。当我们比较分类器分数时，我们的技术分别产生了（98.63%、98.53%、98.13%、98.04%和97.78%）的准确率结果。我们新方法（NIDS-DL）的新颖之处在于使用了5种深度学习分类器并进行了预处理数据集以获得最佳结果。我们提出的方法在二分类和攻击检测方面是成功的，这意味着我们的方法（NIDS-DL）未来可以非常高效地使用。
引用
@article{arxiv.2208.02094,
title = {A Novel Approach To Network Intrusion Detection System Using Deep Learning For Sdn: Futuristic Approach},
author = {Mhmood Radhi Hadi and Adnan Saher Mohammed},
journal= {arXiv preprint arXiv:2208.02094},
year = {2022}
}