一种基于流的高效多级混合入侵检测系统用于软件定义网络
密码学与安全
2018-06-12 v1 网络与互联网体系结构
摘要
软件定义网络(SDN)是一种新颖的网络范式，提供增强的编程能力，可用于基于更高效的方法解决传统安全挑战。SDN范式中最重要的元素是控制器，负责管理每个对应转发元素（交换机或路由器）的流。控制器提供的流统计信息被认为是有用的信息，可用于开发基于网络的入侵检测系统。因此，本文提出一个基于流统计信息的5级混合分类系统，以提高系统的整体准确率。第一级采用k近邻方法(kNN)；第二级采用极限学习机(ELM)；其余级别采用分层极限学习机(H-ELM)。与基于NSL-KDD基准数据集的传统监督机器学习算法相比，实验研究表明我们的系统达到了最高准确率(84.29%)。因此，我们的方法为SDN中的入侵检测提供了一种高效方法。
引用
@article{arxiv.1806.03875,
title = {An Efficient Flow-based Multi-level Hybrid Intrusion Detection System for Software-Defined Networks},
author = {Majd Latah and Levent Toker},
journal= {arXiv preprint arXiv:1806.03875},
year = {2018}
}