【精读】使用ANN进行入侵检测(IDS)

摘要
介绍
人工神经网络
数据集介绍
训练模型用于检测和分类

类型	内容
标题	Using artificial neural network in intrusion detection systems to computer networks
时间	2017
会议	2017 9th Computer Science and Electronic Engineering (CEEC)
DOI	10.1109/CEEC.2017.8101615

@INPROCEEDINGS{8101615,  
    author={L. P. {Dias} and J. J. F. {Cerqueira} and K. D. R. {Assis} and R. C. {Almeida}},  
    booktitle={2017 9th Computer Science and Electronic Engineering (CEEC)},  
    title={Using artificial neural network in intrusion detection systems to computer networks},   
    year={2017},  
    volume={},  
    number={},  
    pages={145-150},
}

摘要

本文提出的研究提出了一种基于人工神经网络（ANN）和KDD CUP’99数据集的IDS系统。实验结果清楚地表明，与预先定义的入侵攻击类别相比，该系统可以达到99.9％的整体准确率。

介绍

入侵检测系统分为两类，第一种是误用或特征检测，基于规则进行检测，缺点是只能检测已知的攻击，且需要不断的更新系统来应对不断变化和发展的攻击，优点是误报率低。第二种是异常检测

人工神经网络

Method	DoS	Probe	R2L	U2R
Fuzzy logic and genetic algorithm	85.70%	75.18%	10.49%	19.30%
Decision Tree-Naïve Bayes	99.69%	52.61%	46.15%	25.00%
Decision Tree J48	99.84%	50.00%	33.33%	50.00%
ANN–RBF	96.95%	71.01%	36.58%	0%
ANN–MLP	99.91%	48.12%	93.18%	83.33%
ANN–MLP	99.99%	99.23%	89.61%	0%

数据集介绍

该数据集是基于DARPA（国防高级研究计划局）中捕获的数据构建的，整个数据库是由麻省理工学院的Linconln实验室捕获的，它在超过九周的时间模拟了一个接收各种入侵攻击的LAN网络。所有原始数据都经过处理并转换,提取出41个特征，每条连接都被标记为正常或特定类型的攻击。此数据集中有24种攻击类型，可分为4个主要类别Dos，Probe，R2L，U2R。数据集中的记录拥有不同的概率分布，一些入侵检测专家认为，大多数新的攻击是一些已知攻击的变异。

每个记录包括一组从网络连接获取的41个特征（例如：持续时间、协议类型、服务、标志等）和一个标签，该标签指定该记录为正常流量或特定攻击。