Network-based intrusion detection s

Network-based intrusion detection systems (NIDSs) frequently have problems with handling heavy traffic loads in real-time, which result in packet loss and false negatives. Jiang et al. [22] present a high-performance network IDS, called HPMonitor, which combines a highefficiency detection engine and a load-balancing device to address these problems. HPMonitor uses a flow-based dynamic load-balancing algorithm called dynamic least load first (DLLF) algorithm, and introduces a new multipattern string matching algorithm called shift max algorithm (SMA). The test results reveal that the DLLF algorithm is an effective balancing algorithm for NIDS.
Current IDS examine all data features to detect intrusion or misuse patterns. Some of the features may be redundant or contribute little (if anything) to the detection process. Chebrolu et al. [9] investigated the performance of two feature selection algorithms involving Bayesian networks (BN) and Classification and Regression Trees (CART) [7] and an ensemble of BN and CART. Empirical results indicate that significant input feature selection is important to design an IDS that is lightweight, efficient and effective for real world detection systems.

Kết quả (Việt) 1:

Hệ thống phát hiện xâm nhập dựa trên mạng (NIDSs) thường xuyên có vấn đề với xử lý lưu lượng truy cập nặng tải trong thời gian thực, trong đó dẫn đến gói mất và sai tiêu cực. Giang Trạch Dân et al. [22] trình bày một mạng lưới hiệu suất cao ID, được gọi là HPMonitor, mà kết hợp một công cụ phát hiện highefficiency và một thiết bị cân bằng tải để giải quyết những vấn đề này. HPMonitor sử dụng một dựa trên dòng chảy năng động cân bằng tải thuật toán được gọi là năng động ít nhất tải đầu tiên (DLLF) thuật toán, và giới thiệu một chuỗi multipattern mới phù hợp với thuật toán gọi là sự thay đổi thuật toán tối đa (SMA). Kết quả kiểm tra tiết lộ rằng các thuật toán DLLF là một thuật toán cân bằng hiệu quả NIDS.Hiện tại ID kiểm tra tất cả các tính năng dữ liệu để phát hiện xâm nhập hoặc sử dụng sai mẫu. Một số các tính năng có thể được dự phòng hoặc đóng góp ít (nếu bất cứ điều gì) để trình phát hiện. Chebrolu et al. [9] điều tra hiệu suất của hai tính năng lựa chọn thuật toán liên quan đến mạng Bayes (BN) và phân loại và hồi qui cây (giỏ hàng) [7] và dàn BN và giỏ hàng. Kết quả thực nghiệm cho thấy rằng lựa chọn tính năng đầu vào quan trọng là quan trọng để thiết kế một ID là trọng lượng nhẹ, hiệu quả và hiệu quả cho hệ thống phát hiện thực thế giới.