IEEE Access· 2017Q1
Derin Öğrenme, Ağ Saldırı Tespitinde Geleneksel Yöntemleri Geride Bıraktı
A Deep Learning Approach for Intrusion Detection Using Recurrent Neural Networks
- 2.003atıf
- Q1SCImago
- 2017yıl
Kısa özet
Özgün bir tekrarlayan sinir ağı (RNN-IDS) modeli, hem ikili hem de çok sınıflı ağ saldırı tespiti görevlerinde geleneksel makine öğrenmesi yöntemlerinden (J48, ANN, RF, SVM) daha yüksek doğrulukla üstün performans gösterdi.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Saldırı tespiti için tekrarlayan sinir ağlarına dayalı derin öğrenme modeli RNN-IDS tanıtıldı.
- RNN-IDS, J48, yapay sinir ağı, rastgele orman ve destek vektör makinesi yöntemlerinden daha yüksek doğruluk elde etti.
- Modelin performansı hem ikili hem de çok sınıflı sınıflandırma senaryolarında değerlendirildi.
- Nöron sayısı ve öğrenme oranlarının model performansı üzerindeki etkisi araştırıldı.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Intrusion detection plays an important role in ensuring information security, and the key technology is to accurately identify various attacks in the network. In this paper, we explore how to model an intrusion detection system based on deep learning, and we propose a deep learning approach for intrusion detection using recurrent neural networks (RNN-IDS). Moreover, we study the performance of the model in binary classification and multiclass classification, and the number of neurons and different learning rate impacts on the performance of the proposed model. We compare it with those of J48, artificial neural network, random forest, support vector machine, and other machine learning methods proposed by previous researchers on the benchmark data set. The experimental results show that RNN-IDS is very suitable for modeling a classification model with high accuracy and that its performance is superior to that of traditional machine learning classification methods in both binary and multiclass classification. The RNN-IDS model improves the accuracy of the intrusion detection and provides a new research method for intrusion detection.
Yazarların özeti; kaynağından alınmıştır. IEEE Access, 2017 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Bilgisayar Ağları ve İletişim
Computer Networks and CommunicationsComputer Science