Resumen

En el pasado se utilizaron sistemas de detección de intrusos junto con diversas técnicas para detectar eficazmente las intrusiones en las redes. Sin embargo, la mayoría de estos sistemas sólo son capaces de detectar a los intrusos con una alta tasa de falsas alarmas. En este trabajo, proponemos un nuevo modelo de detección de intrusiones basado en agentes inteligentes para redes móviles ad hoc que utiliza una combinación de selección de atributos, detección de valores atípicos y métodos de clasificación SVM multiclase mejorados. Para ello, se propone una eficaz técnica de preprocesamiento que mejora la precisión de la detección y reduce el tiempo de procesamiento. Además, se proponen dos nuevos algoritmos, a saber, un algoritmo de detección de valores atípicos a distancia ponderada por agentes inteligentes y un algoritmo de máquina de vectores de apoyo multiclase mejorado basado en agentes inteligentes, para detectar a los intrusos en un entorno de base de datos distribuida que utiliza agentes inteligentes para la gestión de la confianza y la coordinación en el procesamiento de transacciones. Los resultados experimentales del modelo propuesto muestran que este sistema detecta anomalías con una baja tasa de falsas alarmas y una alta tasa de detección cuando se prueba con el conjunto de datos KDD Cup 99.

• Materias:Ingeniería biomédica Cerebro - fisiopatología Imagen por resonancia magnética Neurofisiología Neurociencias
• Subjects:Biomedical engineering Brain - pathophysiology Magnetic resonance imaging Neurophysiology Neurosciences
• Palabras claves:tasa de falsas alarmas, agente inteligente, algoritmo de detección de valores atípicos, entorno de base de datos distribuida, métodos de clasificación svm, nuevo agente inteligente, máquina de vectores de soporte, modelo de detección de intrusiones, vector de soporte multiclase, clasificación svm multiclase
• Keywords:false alarm rate, intelligent agent, outlier detection algorithm, distributed database environment, svm classification methods, new intelligent agent, support vector machine, intrusion detection model, multiclass support vector, multiclass svm classification