Resumen

El sistema de detección de intrusiones (IDS), la segunda puerta de seguridad detrás del firewall, puede monitorear la red sin afectar el rendimiento de la red y garantizar la seguridad del sistema desde el máximo interno. Muchas investigaciones han aplicado modelos de aprendizaje automático tradicionales, modelos de aprendizaje profundo o modelos híbridos a IDS para mejorar el efecto de detección. Sin embargo, según el marco de Precisión pronosticada, Precisión descriptiva y Relevancia (PDR), la mayoría de los modelos de detección basados en interpretabilidad basada en modelos carecen de un buen rendimiento de detección. Para resolver el problema, en este documento hemos propuesto un nuevo modelo de sistema de detección de intrusiones basado en interpretabilidad basada en modelos, llamado Sistema de Detección de Intrusos Interpretativo (IDS). En primer lugar, combinamos muestras normales y de ataque reconstruidas por AutoEncoder (AE) con muestras de entrenamiento para resaltar las características normales y de ataque, de modo que el clasificador tenga un efecto magnífico

• 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 intrusiones; IDS; Seguridad de redes; Modelos de aprendizaje automático; Modelos de aprendizaje profundo; Interpretabilidad basada en modelos
• Keywords:Intrusion detection system; IDS; Network security; Machine learning models; Deep learning models; Model-based interpretability