Resumen

La detección de tráfico de red anormal es un tema importante al construir sistemas de detección de intrusiones. Una forma efectiva de abordar este problema es la minería de series temporales, en la cual el tráfico de red se representa de forma natural como un conjunto de series temporales. En este documento, proponemos un algoritmo eficiente novedoso, llamado RSFID (Bosque de Shapelets Aleatorios para Detección de Intrusiones), para detectar patrones de flujo de tráfico anormal en paquetes de red periódicos. En primer lugar, se emplea el algoritmo de Filtro Basado en Correlación Rápida (FCBF) para eliminar características irrelevantes y así disminuir el sobreajuste, así como la complejidad temporal. Luego, se utiliza un bosque aleatorio que se construye sobre un conjunto de candidatos de shapelets para clasificar los patrones de flujo de tráfico normales y anormales. Específicamente, se adopta la técnica de Aproximación de Agregado Símbolico (SAX) y muest

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Detección; Tráfico de red anormal; Sistemas de detección de intrusiones; Minería de series temporales; RSFID; Bosque de shapelets aleatorio
• Keywords:Detection; Abnormal network traffic; Intrusion detection systems; Time series mining; RSFID; Random shapelet forest