Resumen

Con el rápido desarrollo de Internet, han surgido diversas formas de ataque a la red, por lo que la forma de detectar eficazmente comportamientos anómalos y reconocer con precisión sus categorías de ataque se ha convertido en un importante tema de investigación en el campo de la seguridad del ciberespacio. Recientemente, muchos enfoques basados en el aprendizaje automático se aplican en el Sistema de Detección de Intrusiones (IDS) para construir un modelo basado en datos. Estos métodos son beneficiosos para reducir el tiempo y el coste de la detección manual. Sin embargo, los datos de red en tiempo real contienen un océano de términos redundantes y ruidos, y algunas tecnologías de detección de intrusiones existentes tienen una precisión menor y una capacidad inadecuada de extracción de características. Para resolver estos problemas, este artículo propone un método de detección de intrusos basado en la función de eliminación de características recursivas del árbol de decisión (DT-RFE) en el aprendizaje por conjuntos. En primer lugar, proponemos un método de procesamiento de datos mediante el algoritmo de eliminación recursiva basado en el árbol de decisión para seleccionar características y reducir su dimensión. Este método elimina los datos redundantes y no correlacionados del conjunto de datos para lograr una mejor utilización de los recursos y reducir la complejidad temporal. En este artículo, utilizamos el algoritmo de aprendizaje Stacking ensemble combinando los métodos Decision Tree (DT) y Recursive Feature Elimination (RFE). Finalmente, una serie de experimentos de comparación por validación cruzada en los conjuntos de datos KDD CUP 99 y NSL-KDD indican que el enfoque basado en DT-RFE y Stacking puede mejorar el rendimiento del IDS, y la precisión para todos los tipos de características es superior al 99%, excepto en el caso de la precisión U2R, que es del 98%.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:eliminación recursiva de características, árbol de decisión, rfe, algoritmo de aprendizaje por conjuntos de apilamiento, aprendizaje automático many hot, sistema de detección de intrusos, algoritmo de eliminación recursiva, mejor utilización de recursos, método de procesamiento de datos, importante tema de investigación
• Keywords:recursive feature elimination, decision tree, rfe, stacking ensemble learning algorithm, many hot machine learning, intrusion detection system, recursive elimination algorithm, better resource utilization, data processing method, important research subject