Resumen

La detección de intrusiones es crucial en los problemas de seguridad de las redes informáticas; por ello, este trabajo pretende maximizar la protección de la seguridad de las redes y mejorarla proponiendo diversas técnicas preventivas. En este trabajo se proponen algoritmos de detección de valores atípicos y de agrupación semisupervisada basados en vecinos más próximos compartidos para abordar la detección de intrusiones convirtiéndola en un problema de extracción de valores atípicos utilizando el conjunto de datos de comportamiento de la red. El algoritmo utiliza los vecinos más cercanos compartidos como similitud, juzga si se trata de un valor atípico en función del número de vecinos más cercanos de un punto de datos y realiza una agrupación semisupervisada en el conjunto de datos donde se eliminan los valores atípicos. En el proceso de agrupación semisupervisada, se añade un vasto conocimiento previo, y el conjunto de datos se agrupa según el principio de segmentación de grafos. La novedad del algoritmo propuesto reside en la detección de valores atípicos evitando eficazmente la dependencia de los parámetros, con lo que se elimina la influencia de los valores atípicos en la agrupación. En este artículo se utilizan conjuntos de datos reales: lipofografía y vidrio para la simulación. Los resultados de la simulación muestran que el algoritmo propuesto en este artículo puede detectar eficazmente los valores atípicos y tiene un buen efecto de agrupación. Además, la experimentación revela que el algoritmo SCA-SNN basado en la detección de valores atípicos tiene el mejor efecto práctico en el conjunto de datos sin valores atípicos, lo que valida claramente el rendimiento de agrupación del algoritmo SCA-SNN basado en la detección de valores atípicos. Además, en comparación con otros métodos de detección de anomalías del estado de la técnica, se reveló que la tecnología de detección de anomalías basada en la minería de valores atípicos no requiere un proceso de entrenamiento. De este modo, se superan los problemas actuales de detección de anomalías causados por patrones normales incompletos en las muestras de entrenamiento.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:vecinos más cercanos, detección de valores atípicos, valores atípicos, algoritmo, conjunto de datos, algoritmo snn, agrupación semisupervisada, método de detección de anomalías de última generación, problemas de seguridad de redes informáticas, problemas actuales de detección de anomalías
• Keywords:nearest neighbors, outlier detection, outliers, algorithm, dataset, snn algorithm, semisupervised clustering, art anomaly detection method, computer network security issues, current anomaly detection problems