Mehr lesen
Con la rápida expansión de las redes informáticas durante los últimos años, la seguridad se ha convertido en un tema crucial para los sistemas informáticos modernos. Una buena manera de identificar el uso malintencionado es mediante la supervisión de la actividad inusual de los usuarios. Para identificar estas actividades malintencionadas se han implementado diversas técnicas de minería de datos y aprendizaje automático para la detección de intrusiones. Este libro propone el Sistema de Detección de Intrusiones Autoconfigurable (SCIDS) para realizar el ajuste de forma automática. La idea clave es utilizar el binario SLIPPER como módulo básico, que es un aprendiz de reglas basado en el refuerzo de la confianza. Este sistema se evalúa utilizando el conjunto de datos de detección de intrusiones NSL KDD. Un resultado experimental muestra que el sistema SCIDS con el algoritmo SLIPPER ofrece un mejor rendimiento en términos de tasa de detección, tasa de falsas alarmas, coste total de clasificación errónea y coste por ejemplo en el conjunto de datos NSL-KDD que el de KDD.
Über den Autor / die Autorin
Sandip Sonawane, Assitant Professor,Department of Information Technology,R. C. Patel Institute of Technology, Shirpur, Dist-Dhule, Maharashtra.
