Resumen

Este documento se enfoca en un importante problema de investigación de la seguridad cibernética. Como tecnología de defensa activa, la detección de intrusiones juega un papel importante en el campo de la seguridad de redes. Las tecnologías tradicionales de detección de intrusiones tienen problemas como baja precisión, baja eficiencia de detección y consumo de tiempo. La estructura superficial del aprendizaje automático no ha podido responder a tiempo. Para resolver estos problemas, se ha estudiado un método basado en aprendizaje profundo para mejorar la detección de intrusiones. La ventaja del aprendizaje profundo es que tiene una fuerte capacidad de aprendizaje de características y puede manejar datos muy complejos. Por lo tanto, proponemos un modelo de detección de intrusiones en red basado en bosques aleatorios profundos. En la primera etapa se utiliza una ventana deslizante para segmentar las características originales en muchas piezas pequeñas y luego se entrena un bosque aleatorio para generar el vector de clase concatenado como representación. Este vector se utilizará para entrenar el bosque aleatorio paralelo en cascada de múltiples niveles en la segunda etapa. Finalmente, la clasificación de los datos originales se determina mediante una estrategia de votación después de la última capa en cascada. Mientras tanto, el modelo se despliega en el entorno de Spark y optimiza la estrategia de reemplazo de caché de RDD mediante clasificación eficiente y verificación de integridad de particiones. Los resultados experimentales indican que el método propuesto puede detectar de manera efectiva comportamientos anómalos en redes, con altos puntajes de F1-medida y alta precisión. Los resultados también muestran que puede reducir el tiempo de ejecución promedio en diferentes clústeres escalados.

• Materias:Red 5G Internet de las cosas Seguridad de la información Tecnologías de comunicación
• Subjects:5G Network Internet of things Information security Communication technologies
• Palabras claves:Problema de investigación; Seguridad en el ciberespacio; Detección de intrusos; Aprendizaje profundo; Bosque aleatorio; Comportamientos en la red
• Keywords:Research problem; Cyberspace security; Intrusion detection; Deep learning; Random forest; Network behaviors