thông tin biểu ghi
  • Bài trích
  • Nhan đề: Cải thiện khả năng phát hiện tấn công mạng bằng kỹ thuật học sâu /

Tác giả CN Tô, Trọng Tín
Nhan đề Cải thiện khả năng phát hiện tấn công mạng bằng kỹ thuật học sâu / Tô Trọng Tín
Tóm tắt Hệ thống phát hiện tấn công mạng (Intrusion Detection System - IDS) là một phần mềm bảo mật được thiết kế để cảnh báo một cách tự động cho các quản trị viên khi có ai đó ho c cái gì đó đang cố gắng xâm nhập hệ thống thông qua các hoạt động nguy hiểm ho c vi phạm chính sách bảo mật. Nhiều nghiên cứu đ áp dụng thành công các thuật toán máy học để hệ thống IDS có khả n ng tự học và cập nhật các cuộc tấn công mới. Nhưng để hạn chế báo động nhầm và t ng khả n ng dự đoán các cuộc tấn công, thì ngoài khả n ng tự quyết định, IDS cần phải có tư duy ph n tích. Một khả n ng mà các nhà nghiên cứu gọi là học sâu. Bài viết này đề cập đến học s u như một hướng tiếp cận mới có thể giúp hệ thống IDS cải thiện độ ch nh xác và t ng tốc độ phân tích khi đầu vào quá lớn. Với việc áp dụng mạng thần kinh s u như mạng đa lớp n (Multilayer Perceptron - MLP) và mạng neural hồi quy (Recurrent Neural Network – RNN) trên tập dữ liệu KDD99 được sử dụng để đánh giá độ ch nh xác (Accuracy), độ l i phân lớp (MSE – Mean Squared Error) và ma trận h n loạn (Confusion Matrix). Hiệu quả đạt được là 98,2% với MLP và 99,04% với RNNs, so với 92,6% của SVM và 88.46% của Naïve Bayes..
Từ khóa tự do Mạng máy tính
Từ khóa tự do Học sâu
Từ khóa tự do IDS
Từ khóa tự do Mạng thần kinh
Từ khóa tự do Máy học
Nguồn trích Tạp chí Khoa học và Công nghệ 2018Số 1, tr. 7-12 Số: 1
000 00000nab#a2200000ui#4500
00114078
0029
00418581C46-5445-47F3-A8AD-07A35B12C0F7
005201905041317
008081223s vm| vie
0091 0
039|a20190504131726|bphucvh|y20190504131650|zphucvh
100 |aTô, Trọng Tín
245 |aCải thiện khả năng phát hiện tấn công mạng bằng kỹ thuật học sâu / |cTô Trọng Tín
520 |aHệ thống phát hiện tấn công mạng (Intrusion Detection System - IDS) là một phần mềm bảo mật được thiết kế để cảnh báo một cách tự động cho các quản trị viên khi có ai đó ho c cái gì đó đang cố gắng xâm nhập hệ thống thông qua các hoạt động nguy hiểm ho c vi phạm chính sách bảo mật. Nhiều nghiên cứu đ áp dụng thành công các thuật toán máy học để hệ thống IDS có khả n ng tự học và cập nhật các cuộc tấn công mới. Nhưng để hạn chế báo động nhầm và t ng khả n ng dự đoán các cuộc tấn công, thì ngoài khả n ng tự quyết định, IDS cần phải có tư duy ph n tích. Một khả n ng mà các nhà nghiên cứu gọi là học sâu. Bài viết này đề cập đến học s u như một hướng tiếp cận mới có thể giúp hệ thống IDS cải thiện độ ch nh xác và t ng tốc độ phân tích khi đầu vào quá lớn. Với việc áp dụng mạng thần kinh s u như mạng đa lớp n (Multilayer Perceptron - MLP) và mạng neural hồi quy (Recurrent Neural Network – RNN) trên tập dữ liệu KDD99 được sử dụng để đánh giá độ ch nh xác (Accuracy), độ l i phân lớp (MSE – Mean Squared Error) và ma trận h n loạn (Confusion Matrix). Hiệu quả đạt được là 98,2% với MLP và 99,04% với RNNs, so với 92,6% của SVM và 88.46% của Naïve Bayes..
653 |aMạng máy tính
653 |aHọc sâu
653 |aIDS
653 |aMạng thần kinh
653 |aMáy học
773 |tTạp chí Khoa học và Công nghệ |d2018|gSố 1, tr. 7-12|i1
890|c1|a0|b0|d24
Không tìm thấy biểu ghi nào