Resumen

Con el rápido aumento y la complejidad del tráfico de red IPv6, el sistema tradicional de detección de intrusiones Snort detecta ataques de denegación de servicio basados en reglas específicas, lo que reduce el rendimiento de detección de IDS. Para resolver el problema de detección de intrusiones DoS en el entorno de red IPv6, se adopta el algoritmo de optimización KNN ligero en aprendizaje automático. En primer lugar, se logra la reducción de la dimensionalidad doble de las características a través de la tasa de ganancia de información, y se seleccionan y agregan características discretas con más subcaracterísticas para una reducción adicional de la dimensionalidad y la dimensión de características de la operación real. En segundo lugar, la tasa de ganancia de información se utiliza como peso para optimizar la medición de la distancia euclidiana de muestra. Basándose en la medida propuesta de la influencia de la distancia inversa, se optimiza el algoritmo de decisión de clasificación del algoritmo KNN para mejorar la tecnología de detección. El efecto se

• 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:Ipv6; Tráfico de red; Sistema de detección de intrusiones; Snort; Algoritmo knn; Aprendizaje automático
• Keywords:Ipv6; Network traffic; Intrusion detection system; Snort; Knn algorithm; Machine learning