使用经典机器学习技术与集成无监督特征学习和深度神经网络的入侵检测系统比较
密码学与安全
2019-10-04 v1 机器学习
网络与互联网体系结构
摘要
安全分析师和管理员在检测和组织中防止网络入侵方面面临诸多挑战，为防止网络泄露，及时检测泄露至关重要。在检测未知攻击时会出现挑战。这项工作包括在NSL-KDD数据集上，需要大量特征工程的经典机器学习方法，与集成无监督特征学习和深度神经网络之间的性能比较。进行了多次实验试验以识别合适的超参数和机器学习模型的网络配置。使用主成分分析提取的15个特征的DNN是最有效的建模方法。使用软件定义网络特征的进一步分析也通过深度神经网络呈现出良好的准确率。
引用
@article{arxiv.1910.01114,
title = {Intrusion detection systems using classical machine learning techniques versus integrated unsupervised feature learning and deep neural network},
author = {Shisrut Rawat and Aishwarya Srinivasan and Vinayakumar R},
journal= {arXiv preprint arXiv:1910.01114},
year = {2019}
}
备注
9 pages