Previous studies in the field of in

Previous studies in the field of intrusion detection have attempted various techniques to generate effective ensembles such as bagging, boosting, and random subspace. Giacinto and Roli [21] proposed a multiclassifier based system of neural networks (NNs). The different neural networks were trained using different features of KDD cup 1999 dataset. They concluded that a multistrategy combination technique like belief function outperforms other representative techniques. A multiclassifier system of NNs was also advocated by Sabhnani and Serpen [22]. The authors reported improved results over single techniques. Chebrolu et at. [23] and Abraham and Thomas [24] used weighted voting to compute the output of an ensemble of CART and BN and reported improved results for intrusion detection. Perdisci et at. [25] proposed a clustering based fusion method that reduces the volume of alarms produced by the IDS. The reduced alarms provide a concise high level description of attacks to the system administrator. The proposed method uses the correlation between alarms and meta alarms to reduce the volume of alarms of the IDSs. A hierarchical hybrid system was also proposed by Xiang et al. [26]. But, the proposed system leads to high false positive rate. Chen et a1. [27] used the different features of dataset to generate ensemble solutions based on evolutionary algorithms. Toosi and Kahani [28] proposed a neurofuzzy classifier to classify instances of KDD cup 1999 dataset into five classes. But, a great time consuming is a big problem. Hu and Damper [29] proposed an adaBoosting ensemble method that uses different features to generate a diverse set of classifiers. No doubt, the proposed method reported improved performance but it suffers from the limitation of incremental learning. It requires continuous retraining for a changing environment. Zainal et al. [30] proposed a heterogeneous ensemble of different classifiers and used weighted voting method for combining their predictions. Wang et a1. [31] proposed an approach based on NN and fuzzy clustering. Fuzzy clustering helps to generate homogeneous training subsets from heterogeneous training datasets which are further used to train NN models. They reported improved performance in terms of detection precision and stability. Clustering based hybrid system was also advocated by Muda et a1. [32] for intrusion detection. The system was unable to detect the intrusions of U2R and R2L attack classes. Khreich et at. [33] proposed an iterative Boolean combination (IBC) technique for efficient fusion of the responses from any crisp or soft detector trained on fixed—size datasets in the ROC space. However, IBC does not allow to efficiently adapt a fusion function over time when new data become available, since it requires a fixed number of classifiers. The IBC technique was further improved as incremental Boolean combination (incrBC) by the authors [14]. The incrBC is a ROC—based system to efficiently adapt ensemble of HMM (EoHMMs) over time, from new training data, according to a learn-and- combine approach without multiple iterations. Govindarajan and Chandrasekaran [34] suggested a hybrid architecture of NNs for intrusion detection. They used the weighted voting method to compute the final prediction of the system.

Kết quả (Việt) 1:

Các nghiên cứu trước đây trong lĩnh vực phát hiện xâm nhập đã cố gắng các kỹ thuật khác nhau để tạo ra hiệu quả ensembles chẳng hạn như bagging, thúc đẩy và ngẫu nhiên con. Giacinto và Roli [21] đề xuất một multiclassifier dựa trên hệ thống của mạng nơ-ron (NNs). Mạng nơ-ron khác nhau đã được huấn luyện bằng cách sử dụng các tính năng khác nhau của KDD Cúp 1999 bộ dữ liệu. Họ kết luận rằng một kỹ thuật multistrategy kết hợp như niềm tin chức năng nhanh hơn so với các kỹ thuật đại diện khác. Một hệ thống multiclassifier của NNs cũng được ủng hộ bởi Sabhnani và Serpen [22]. Các tác giả báo cáo cải thiện kết quả hơn duy nhất kỹ thuật. Chebrolu et lúc. [23] và Abraham và Thomas [24] sử dụng trọng bỏ phiếu để tính toán đầu ra của một toàn bộ giỏ hàng và BN và báo cáo các kết quả được cải thiện để phát hiện xâm nhập. Perdisci et lúc. [25] đề xuất một cụm dựa trên phương pháp phản ứng tổng hợp làm giảm khối lượng của hệ thống báo động được sản xuất bởi các ID. Hệ thống báo động giảm cung cấp một mô tả ngắn gọn cao cấp của cuộc tấn công cho quản trị hệ thống. Các phương pháp được đề xuất sử dụng các mối tương quan giữa hệ thống báo động và hệ thống báo động meta để giảm âm lượng báo động của các IDSs. Một hệ thống phân cấp hybrid cũng được đề xuất bởi Xiang et al. [26]. Tuy nhiên, Hệ thống đề xuất dẫn đến cao tỷ lệ sai tích cực. Chen et a1. [27] sử dụng các tính năng khác nhau của tập dữ liệu để tạo ra toàn bộ các giải pháp dựa trên tiến hóa thuật toán. Toosi và Kahani [28] đề xuất một loại neurofuzzy để phân loại trường hợp KDD Cúp 1999 số liệu vào năm lớp học. Tuy nhiên, một lượng lớn thời gian là một vấn đề lớn. Hu và Damper [29] đề xuất một phương pháp toàn bộ adaBoosting sử dụng tính năng khác nhau để tạo ra một tập đa dạng của máy phân loại. Không có nghi ngờ, phương pháp được đề xuất báo cáo hiệu suất được cải thiện nhưng nó bị giới hạn gia tăng học tập. Nó đòi hỏi đào tạo lại liên tục cho một môi trường thay đổi. Zainal et al. [30] đề xuất một toàn bộ không đồng nhất của máy phân loại khác nhau và sử dụng phương pháp bỏ phiếu trọng cho kết hợp dự đoán của họ. Wang et a1. [31] đề xuất một cách tiếp cận dựa trên NN và clustering mờ. Mờ clustering giúp để tạo ra tập con đồng nhất đào tạo từ không đồng nhất đào tạo datasets đó sử dụng để đào tạo mô hình NN. Họ báo cáo hiệu suất được cải thiện trong điều khoản của phát hiện chính xác và ổn định. Cụm kết hợp dựa trên hệ thống cũng được ủng hộ bởi Muda et a1. [32] để phát hiện xâm nhập. Hệ thống đã không thể phát hiện sự xâm nhập của các lớp học U2R và R2L tấn công. Khreich et lúc. [33] đề xuất một kỹ thuật kết hợp phép lặp đi lặp lại (IBC) cho phản ứng tổng hợp hiệu quả của các phản ứng từ bất kỳ máy dò sắc nét hoặc mềm được đào tạo về cố định — kích cỡ datasets trong không gian Trung Hoa dân Quốc. Tuy nhiên, IBC không cho phép hiệu quả thích nghi với một chức năng phản ứng tổng hợp theo thời gian khi dữ liệu mới trở nên có sẵn, vì nó đòi hỏi một số cố định máy phân loại. Kỹ thuật IBC đã tiếp tục được cải thiện như sự kết hợp Boolean gia tăng (incrBC) bởi các tác giả [14]. IncrBC là một Trung Hoa dân Quốc-dựa trên hệ thống hiệu quả đĩa ensemble của HMM (EoHMMs) theo thời gian, từ dữ liệu đào tạo mới, theo một cách tiếp cận tìm hiểu và kết hợp mà không có lặp đi lặp lại nhiều. Govindarajan và Chandrasekaran [34] đề xuất một kiến trúc lai của NNs để phát hiện xâm nhập. Họ sử dụng phương pháp bỏ phiếu trọng để tính toán dự đoán cuối cùng của hệ thống.

Kết quả (Việt) 2:

Các nghiên cứu trước đó trong lĩnh vực phát hiện xâm nhập đã cố kỹ thuật khác nhau để tạo ra các cụm công trình có hiệu quả như đóng gói, thúc đẩy, và không gian con ngẫu nhiên. Giacinto và Roli [21] đề xuất một hệ thống dựa multiclassifier của mạng lưới thần kinh (NNS). Các mạng lưới thần kinh khác được đào tạo sử dụng các tính năng khác nhau của KDD cup 1999 bộ dữ liệu. Họ kết luận rằng một kỹ thuật kết hợp multistrategy giống như chức năng niềm tin tốt hơn các kỹ thuật đại diện khác. Một hệ thống multiclassifier của NNS cũng được ủng hộ bởi Sabhnani và Serpen [22]. Các tác giả báo cáo kết quả cải thiện hơn các kỹ thuật duy nhất. Chebrolu et tại. [23] và Abraham và Thomas [24] được sử dụng có quyền biểu quyết có trọng để tính toán đầu ra của một tập hợp Toán và BN và báo cáo kết quả cải thiện cho việc phát hiện xâm nhập. Perdisci et tại. [25] đề xuất một phân nhóm dựa trên phương pháp tổng hợp, làm giảm khối lượng của các báo động được sản xuất bởi các IDS. Các báo động giảm cung cấp một mô tả mức độ cao của các cuộc tấn công chính xác để các quản trị viên hệ thống. Các phương pháp được đề xuất sử dụng các mối quan hệ giữa báo động và báo động meta để giảm khối lượng của các báo động của IDS. Một hệ thống hybrid phân cấp cũng đã được đề xuất bởi Xiang et al. [26]. Tuy nhiên, hệ thống đề xuất dẫn đến tỷ lệ dương tính giả cao. Chen et a1. [27] sử dụng các tính năng khác nhau của dữ liệu để tạo ra các giải pháp bộ quần áo đồng dựa trên thuật toán tiến hóa. Toosi và Kahani [28] đề xuất một bộ phân loại neurofuzzy để phân loại các trường hợp của KDD cup 1999 bộ dữ liệu vào năm lớp. Tuy nhiên, một thời gian tiêu thụ lớn là một vấn đề lớn. Hu và Damper [29] đề xuất một phương pháp quần adaBoosting sử dụng các tính năng khác nhau để tạo ra một tập hợp đa dạng của các phân loại. Không nghi ngờ gì nữa, các phương pháp đề xuất báo cáo cải thiện hiệu suất, nhưng nó bị hạn chế của việc học gia tăng. Nó đòi hỏi phải đào tạo lại liên tục trong một môi trường thay đổi. Zainal et al. [30] đề xuất một quần thể không đồng nhất của các phân loại khác nhau và sử dụng phương pháp bỏ phiếu cân nhắc đối với việc kết hợp các dự báo của họ. Wang et a1. [31] đề xuất một phương pháp tiếp cận dựa trên NN và clustering mờ. Cụm mờ giúp để tạo ra các tập con đào tạo đồng nhất từ ​​các tập dữ liệu đào tạo không đồng nhất được tiếp tục sử dụng để huấn luyện mô hình NN. Họ báo cáo cải thiện hiệu suất về độ chính xác phát hiện và ổn định. Clustering hệ thống hybrid dựa cũng được ủng hộ bởi Muda et a1. [32] cho phát hiện xâm nhập. Hệ thống này đã không thể phát hiện sự xâm nhập của các tầng lớp tấn công U2R và R2L. Khreich et tại. [33] đề xuất một sự kết hợp Boolean (IBC) lặp đi lặp lại kỹ thuật cho hợp hiệu quả của các phản ứng từ bất kỳ máy dò sắc nét hay mềm đào tạo trên bộ dữ liệu kích thước cố định trong không gian Trung Hoa Dân Quốc. Tuy nhiên, IBC không cho phép để có hiệu quả thích ứng với một chức năng tổng hợp theo thời gian khi dữ liệu mới xuất hiện, vì nó đòi hỏi một số cố định của các phân loại. Kỹ thuật IBC được cải thiện hơn nữa là sự kết hợp Boolean gia tăng (incrBC) của các tác giả [14]. Các incrBC là một hệ thống dựa trên ROC để thích ứng hiệu quả quần của HMM (EoHMMs) theo thời gian, từ dữ liệu huấn luyện mới, theo một cách tiếp cận học-và- kết hợp mà không cần nhiều lần lặp lại. Govindarajan và Chandrasekaran [34] đề xuất một kiến ​​trúc lai của NNS cho phát hiện xâm nhập. Họ đã sử dụng các phương pháp biểu quyết trọng để tính toán dự đoán cuối cùng của hệ thống.