Resumen

Este documento presenta un nuevo enfoque integrado de aprendizaje para desarrollar un nuevo modelo de detección de intrusos en redes que sea escalable y de naturaleza adaptable. El enfoque puede mejorar las tendencias existentes y las dificultades en la detección de intrusos. Se propone un enfoque integrado de aprendizaje automático con un sistema basado en conocimiento para la detección de intrusos. Mientras que el algoritmo de aprendizaje automático se utiliza para construir un modelo clasificador, el sistema basado en conocimiento hace que el modelo sea escalable y adaptable. Se prueba empíricamente con el conjunto de datos NSL-KDD de 40,558 instancias totales, utilizando validación cruzada de diez pliegues. El resultado experimental muestra que se registra un rendimiento del 99.91% después de la conexión. Interesantemente, un aprendizaje significativo y rico en conocimiento para la detección de intrusos difiere como una característica fundamental de las técnicas de detección y prevención de intrusos. Por lo tanto, se recomienda a los expert

• Materias:Internet de las cosas Detección de intrusos Amenazas cibernéticas Procesamiento de seguridad Detección de botnets
• Subjects:Internet of things Intrusion detection Cyber threats Security processing Botnet detection
• Palabras claves:Detección de intrusiones en redes; Enfoque de aprendizaje integrado; Aprendizaje automático; Sistema basado en conocimiento; Escalabilidad; Naturaleza adaptativa
• Keywords:Network intrusion detection; Integrated learning approach; Machine learning; Knowledge-based system; Scalability; Adaptive nature