基于证据论的高效入侵检测
机器学习
2021-03-16 v1 密码学与安全
摘要
入侵检测系统（IDS）如今已成为保护计算机与网络安全的基本要素。尽管该领域已有大量研究努力，处理数据源可靠性仍是一个开放问题。为解决此问题，本文提出一种基于数据源可靠性及其区分正常与异常行为能力的新型上下文折扣方法。采用处理不确定性推理的通用框架 Dempster-Shafer 理论构建证据分类器。NSL-KDD 数据集——现有 KDDCUP'99 数据集的重大修订与改进版本——为评估我们新检测方法性能提供了基础。在 KDDTest+ 数据集上取得可比结果的同时，我们的方法在更具挑战性的 KDDTest-21 数据集上优于若干其他 SOTA 方法。
引用
@article{arxiv.2103.08585,
title = {Efficient Intrusion Detection Using Evidence Theory},
author = {Islam Debicha and Thibault Debatty and Wim Mees and Jean-Michel Dricot},
journal= {arXiv preprint arXiv:2103.08585},
year = {2021}
}
备注
Already published in The Twelfth International Conference on Evolving Internet (INTERNET 2020)