Resumen

El Sistema de Detección de Intrusiones (IDS) es una parte importante para garantizar la seguridad de la red. Cuando el sistema enfrenta ataques de red, puede identificar la fuente de amenazas de manera oportuna y precisa, y ajustar estrategias para prevenir que los hackers intrusos ingresen. Un IDS eficiente puede identificar bien las amenazas externas, pero los IDS tradicionales tienen un rendimiento deficiente y baja precisión de reconocimiento. Para mejorar la tasa de detección y precisión del IDS, este artículo propone un nuevo método ACGA-BPNN basado en el algoritmo genético clonal adaptativo (ACGA) y la red neuronal de retropropagación (BPNN). ACGA-BPNN se simula en los conjuntos de datos KDD-CUP99 y UNSW-NB15. Los resultados de la simulación indican que, en contraste con los métodos basados en recocido simulado (SA) y algoritmo genético (GA), la tasa de detección y precisión de ACGA-BPNN son mucho más altas que las de GA-B

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Sistema de detección de intrusos; Seguridad de redes; Amenazas; Método ACGA-BPNN; Tasa de detección; Precisión
• Keywords:Intrusion detection system; Network security; Threats; ACGA-BPNN method; Detection rate; Accuracy