探究深度神经网络在入侵检测系统设计中的应用
密码学与安全
2025-01-28 v1 机器学习
摘要
尽管经过多年的发展，现有的入侵检测系统仍面临着提高检测准确性、规避检测以及检测未知攻击的挑战。为了解决这些问题，许多研究人员专注于设计和开发使用深度神经网络 (DNN) 的入侵检测系统，这些系统提供了先进的威胁调查和检测方法。鉴于此原因，本研究的动机是学习深度神经网络 (DNN) 的应用如何准确检测和识别恶意网络入侵，同时推进其在网络入侵检测中的最佳潜在用途。使用 ASNM-TUN 数据集，研究采用深度神经网络中的多层感知器建模方法来识别网络入侵，并按合法网络流量、直接网络攻击和混淆网络攻击进行区分。为了进一步提高该 DNN 解决方案的速度和效率，实施了一种彻底的特征选择技术称为前向特征选择 (FFS)，导致特征子集显著减少。使用多层感知器模型，测试结果表明该模型不支持准确正确地区分类网络入侵。
引用
@article{arxiv.2501.15760,
title = {Investigating Application of Deep Neural Networks in Intrusion Detection System Design},
author = {Mofe O. Jeje},
journal= {arXiv preprint arXiv:2501.15760},
year = {2025}
}