Resumen

La integración de inteligencia en herramientas de detección de intrusiones ha recibido mucha atención en los últimos años. El objetivo es mejorar la capacidad de detección dentro de los sistemas SIEM e IDS para hacer frente al creciente número de ataques que utilizan métodos sofisticados y complejos para infiltrarse en sistemas. Los sistemas actuales de SIEM e IDS tienen muchos procesos involucrados, los cuales trabajan juntos para recopilar, analizar, detectar y enviar notificaciones de fallos en tiempo real. La normalización de eventos, por ejemplo, requiere una gran potencia de procesamiento para manejar eventos de red. Por lo tanto, agregar modelos pesados de aprendizaje profundo invocará recursos adicionales para la herramienta SIEM o IDS. Este artículo presenta un sistema mayoritario basado en un enfoque de confiabilidad que combina redes neuronales feedforward simples, como aprendices débiles, y produce una alta capacidad de detección con bajos recursos de computación. Los resultados experimentales muestran que el modelo es muy adecuado para modelar un modelo de clasificación con alta precisión y que su rend

• Materias:Seguridad informática Comunicación inalámbrica Internet de las cosas Ataques de denegación distribuida de servicio
• Subjects:Computer security Wireless communication Internet of things Distributed denial of service attacks
• Palabras claves:Inteligencia; Detección de intrusos; SIEM; Sistemas IDS; Modelos de aprendizaje profundo; Modelo de clasificación
• Keywords:Intelligence; Intrusion detection; SIEM; IDS systems; Deep learning models; Classification model