Resumen

El problema de la detección de intrusiones en redes plantea innumerables desafíos para la comunidad de investigación, la industria y los sectores comerciales. Además, los ataques persistentes que ocurren en el panorama de amenazas cibernéticas obligan a los investigadores a idear enfoques robustos para abordar el problema recurrente. Dada la presencia de un tráfico de red masivo, los algoritmos convencionales de aprendizaje automático cuando se aplican en el campo de la detección de intrusiones en redes son bastante ineficaces. En cambio, una solución híbrida multimodelo, cuando se busca, mejora el rendimiento, produciendo así predicciones fiables. Por lo tanto, este artículo presenta un modelo de conjunto utilizando un enfoque de metaclassification habilitado por la generalización apilada. Se utilizaron dos conjuntos de datos contemporáneos y heterogéneos, a saber, UNSW NB-15, un conjunto de datos basado en paquetes, y UGR16, un conjunto de datos basado en flujos, que

• Materias:Seguridad informática Comunicación inalámbrica Internet de las cosas Ataques de denegación distribuida de servicio
• Subjects:Computer security Wireless communication Internet of things Distributed denial of service attacks
• Palabras claves:Detección de intrusiones en la red; Retos; Panorama de las ciberamenazas; Algoritmos de aprendizaje automático; Solución multimodelo; Modelo de conjunto.
• Keywords:Network intrusion detection; Challenges; Cyber-threat landscape; Machine learning algorithms; Multimodel solution; Ensemble model