Resumen

La detección de intrusos basada en aprendizaje automático tradicional a menudo solo considera un solo algoritmo para identificar datos de intrusión, carece del método de flexibilidad, tiene una baja tasa de detección, no maneja datos de alta dimensionalidad y no puede resolver bien estos problemas. Con el fin de mejorar el rendimiento del sistema de detección de intrusos, en este documento se propuso un nuevo marco general de detección de intrusos, que consta de cinco partes: módulo de preprocesamiento, módulo de autoencoder, módulo de base de datos, módulo de clasificación y módulo de retroalimentación. Los datos procesados por el módulo de preprocesamiento son comprimidos por el módulo de autoencoder para obtener una característica de reconstrucción de menor dimensionalidad, y el resultado de la clasificación se obtiene a través del módulo de clasificación. Las características comprimidas de cada tráfico se almacenan en el módulo de base de datos que puede proporcionar tanto el reentrenamiento como las pruebas para el

• 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:Aprendizaje automático; Detección de intrusos; Marco; Preprocesamiento; Autoencoder; Clasificación
• Keywords:Machine learning; Intrusion detection; Framework; Preprocessing; Autoencoder; Classification