Dec, 2018

一种新型层次化入侵检测系统，基于决策树和基于规则的模型

PDF
TL;DR本文提出了一个新颖的入侵检测系统（IDS），结合了基于决策树和基于规则的概念的不同分类器方法，即 REP 树，JRip 算法和 Forest PA，并通过分析使用 CICIDS2017 数据集的 IDS 获得实验结果表明其在准确性，检测率，误报率和时间开销方面的优越性，相比于现有的最先进方案。
发现论文，激发创造
  • 入侵检测系统的分层分类：有效设计与实证分析

    通过使用三级分层分类模型对各种网络攻击进行分类，我们的实证结果表明，相对于平级分类方法，分层分类方法在避免将攻击误分类为正常流量方面具有显著优势。

    Mar, 2024

  • 基于特征选择和集成分类器构建高效入侵检测系统

    本文提出了一种新的基于特征选择和集成学习技术的入侵检测框架，使用 NSL-KDD、AWID 和 CIC-IDS2017 数据集进行实验证明，CFS-BA-Ensemble 方法在多个指标下具有更优越的性能。

    Apr, 2019

  • 学习网络入侵检测：一种数据驱动的方法

    本文通过采用不同的基于学习的模型来检测网络攻击，演示了无监督表示学习模型在二进制入侵检测任务中的优势，并使用 SVM-SMOTE 过采样技术缓解了 4 类分类中的数据不平衡问题，并进一步展示了过采样机制的有效性及其深入神经网络基础模型的缺陷。

    Aug, 2021

  • 3D-IDS: 双重解缰动态入侵检测

    网络入侵检测系统通过两步特征分离和动态图扩散方案来有效识别加密流量中的各种攻击，包括未知威胁和难以检测的已知攻击。我们的实验结果表明，我们的 3D-IDS 方法优越，并且我们的两步特征分离有利于网络入侵检测系统的可解释性。

    Jul, 2023

  • 基于超图的机器学习集成网络入侵检测系统

    使用超图来捕捉端口扫描攻击的演化模式，建立了一种基于超图度量的机器学习网络入侵检测系统，可实时智能地监测和检测端口扫描活动和对抗性入侵，具有鲁棒性和复杂动态的完美表现，检测性能近乎百分百。

    Nov, 2022

  • 使用连续时间贝叶斯网络进行入侵检测

    本文提出了一种使用连续时间贝叶斯网络来检测入侵的通用技术 - 异常检测，并使用根据历史数据生成的生成式模型来标记异常行为。该方法在网络入侵检测系统和主机入侵检测系统中都有应用，并在多个实验数据集上进行了验证。

    Jan, 2014

  • 通过特征压平和两阶段协作分类器进行基于主机的网络入侵检测

    本研究提出了一种组合了 NIDS 和 HIDS 的混合网络入侵检测系统，通过特征压缩技术可以有效地识别 APT 攻击，而且在 CICIDS 2018 和 NDSec-1 两个数据集上，相比传统的 ML XGBoost 算法，联合使用网络和主机特征可提高攻击检测性能（宏平均 F1 得分）分别为 8.1％和 3.7％，使用两级的 ML 分类器可提高单个类的检测性能，特别是对于 DoS-LOIC-UDP 和 DoS-SlowHTTPTest 这两个分类，可以分别提高 30.7％和 84.3％。

    Jun, 2023

  • 基于机器学习的网络入侵检测在大规模和不平衡数据上的应用：过采样、堆叠特征嵌入和特征提取

    我们介绍了一种基于机器学习的网络入侵检测模型，使用随机过采样处理数据不平衡并基于聚类结果进行堆叠特征嵌入，以及使用主成分分析进行维度约简，特别适用于大规模和不平衡的数据集，并在三个现阶段的基准数据集：UNSW-NB15、CIC-IDS-2017 和 CIC-IDS-2018 上进行了评估，结果表明该模型的性能持续优于现有技术，证明了该方法在网络入侵检测领域的重要进展和有效性。

    Jan, 2024

  • 自然语言解释网络入侵检测中的树模型决策

    使用大型语言模型为决策树网络入侵检测系统提供解释和背景知识，并引入了新的人类评估框架，显示大型语言模型生成的决策树解释与人类评级具有高度相关性，同时提供更好的决策边界理解。

    Oct, 2023

  • 基于树形结构的物联网智能入侵检测系统

    本研究提出了一种基于树形机器学习模型的智能入侵检测系统，可以有效识别自动驾驶汽车网络中的各种网络攻击，并且在高检测率和低计算成本同时实现。

    Oct, 2019