Système de détection d'intrusion auto-configurable (SCIDS)

Avec l'expansion rapide des réseaux informatiques au cours des dernières années la sécurité est devenue un enjeu crucial pour les systèmes informatiques modernes. Une bonne façon d'identifier les utilisations malveillantes consiste à surveiller les activités inhabituelles des utilisateurs. Pour identifier ces activités malveillantes diverses techniques d'exploration de données et d'apprentissage automatique ont été déployées pour la détection des intrusions. Ce livre propose un système de détection d'intrusion auto-configurable (SCIDS) pour effectuer automatiquement le réglage. L'idée principale est d'utiliser le SLIPPER binaire comme module de base qui est un apprenant de règles basé sur le boosting de confiance. Ce système est évalué à l'aide de l'ensemble de données de détection d'intrusion NSL KDD. Un résultat expérimental montre que le système SCIDS avec l'algorithme SLIPPER donne de meilleures performances en termes de taux de détection de taux de fausses alarmes de coût total de mauvaise classification et de coût par exemple sur l'ensemble de données NSL-KDD que celui de sur KDD.