ANN 与 SVM 分类器融合用于网络攻击检测
密码学与安全
2018-01-11 v2 机器学习
摘要
随着网络应用与电子设备（计算机、手机、安卓等）攻击与入侵的逐步增多，检测已成为网络犯罪检测领域中一项极具挑战性的任务。在此背景下，多数现有攻击检测方法主要依赖于有限的攻击集合。这些方案存在漏洞，即当信息源模糊或不完备时，无法检测某些攻击。然而，少数方法已开始朝此方向探索。本文研究了机器学习方法（ANN、SVM）在将 TCP 连接流量检测为正常或可疑流量中的作用。但单独使用 ANN 与 SVM 代价高昂。本文提出融合两类分类器，同时采用人工神经网络（ANN）分类器与支持向量机（SVM）。此外，我们所提方案可对所得分类结果进行可视化。已将所提方案的准确率与其他分类器结果进行比较。实验选用自 NSL-KDD DARPA 数据集的不同网络连接进行。实证结果表明，融合 ANN 与 SVM 技术用于攻击检测是一个有前景的方向。
引用
@article{arxiv.1801.02746,
title = {Fusion of ANN and SVM Classifiers for Network Attack Detection},
author = {Takwa Omrani and Adel Dallali and Bilgacem Chibani Rhaimi and Jaouhar Fattahi},
journal= {arXiv preprint arXiv:1801.02746},
year = {2018}
}
备注
Accepted and presented at the 18th international conference on Sciences and Techniques of Automatic control and computer engineering STA'2017