Resumen

Los internets de hoy en día están compuestos por casi medio millón de redes diferentes. En cualquier conexión de red, identificar los ataques por sus tipos es una tarea difícil, ya que los diferentes ataques pueden tener varias conexiones y su cantidad puede variar desde unas pocas hasta cientos de conexiones de red. Para resolver este problema, se propone en el manuscrito un novedoso IDS de red híbrido llamado NID-Shield que clasifica el conjunto de datos según diferentes tipos de ataques. Además, los nombres de los ataques encontrados en los tipos de ataques se clasifican individualmente, lo que ayuda considerablemente a predecir la vulnerabilidad de los ataques individuales en diversas redes. El NIDS híbrido NID-Shield aplica la técnica eficiente de selección de subconjuntos de características llamada CAPPER y distintos métodos de aprendizaje automático. Los conjuntos de datos UNSW-NB15 y NSL-KDD se utilizan para la evaluación de métricas. Se aplican algoritmos de aprendizaje automático para entrenar los subconjuntos de características precisos y altamente meritorios

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Redes; Ataques; NID-Shield; Conjunto de datos; Aprendizaje automático; Métricas de rendimiento
• Keywords:Networks; Attacks; NID-Shield; Dataset; Machine learning; Performance metrics