현재 위치
Home
Anomaly-based Intrusion Detection using Multiclass-SVM with Parameters Optimized by PSO
-
- 발행기관
- 보안공학연구지원센터(IJSIA) 바로가기
-
- 간행물
- International Journal of Security and Its Applications SCOPUS 바로가기
-
- 통권
- Vol.9 No.6 (2015.06)바로가기
-
- 페이지
- pp.227-242
-
- 저자
-
- 언어
- 영어(ENG)
-
- URL
- https://www.earticle.net/Article/A251447
※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.
원문정보
초록
- 영어
- Intrusion detection systems (IDS) play an important role in defending network systems from insider misuse as well as external attackers. Compared with misuse-based techniques, anomaly-based intrusion detection techniques perform well in detecting new attacks. Firstly, this paper proposes a feature selection algorithm based on SVM (termed FS-SVM) to reduce the dimensionality of sample data. Moreover, this paper presents an anomaly-based intrusion detection algorithm, i.e., multiclass support vector machine (MSVM) with parameters optimized by particle swarm optimization (PSO) (termed MSVM-PSO), to detect anomalous connections. To verify the effectiveness of these two proposed algorithms (FS-SVM and MSVM-PSO) and the detection precision of MSVM-PSO, this paper conducts experiments on the famous KDD Cup dataset. This paper compares MSVM-PSO with three commonly adopted algorithms, namely, Bayesian, K-Means, and multiclass SVM with parameters optimized grid method (MSVM-grid). The experimental results show that MSVM-PSO outperforms these three algorithms in detection accuracy, FP rate, and FN rate.
목차
Abstract
1. Introduction
2. Related Work
2.1. Intrusion Detection
2.2. Feature Selection (FS)
2.3. Support Vector Machines (SVMs)
3. Preliminaries
3.1. The Basic Idea of SVM
3.2. C-support Vector Classification (C-SVC)
4. A Feature Selection Algorithm based on SVM (FS-SVM)
5. An Anomaly-Based Intrusion Detection Algorithm based on Multiclass SVM with Parameters Optimized by PSO
5.1. A multi-Class Classification Algorithm based on SVM
5.2. Parameter Optimization by PSO
6. Experiments and Analyses
6.1. Dataset Description
6.2. The Selected Features
6.3. Experimental Results and Analyses
7. Conclusion and Future Work
Acknowledgments
References
키워드
Intrusion detection Anomaly Feature selection Multiclass SVM Parameter optimization PSO저자
간행물 정보
발행기관
-
- 발행기관명
- 보안공학연구지원센터(IJSIA) [Science & Engineering Research Support Center, Republic of Korea(IJSIA)]
- 설립연도
- 2006
- 분야
- 공학>컴퓨터학
- 소개
- 1. 보안공학에 대한 각종 조사 및 연구 2. 보안공학에 대한 응용기술 연구 및 발표 3. 보안공학에 관한 각종 학술 발표회 및 전시회 개최 4. 보안공학 기술의 상호 협조 및 정보교환 5. 보안공학에 관한 표준화 사업 및 규격의 제정 6. 보안공학에 관한 산학연 협동의 증진 7. 국제적 학술 교류 및 기술 협력 8. 보안공학에 관한 논문지 발간 9. 기타 본 회 목적 달성에 필요한 사업
간행물
-
- 간행물명
- International Journal of Security and Its Applications
- 간기
- 격월간
- pISSN
- 1738-9976
- 수록기간
- 2008~2016
- 등재여부
- SCOPUS
- 십진분류
- KDC 505 DDC 605
이 권호 내 다른 논문 / International Journal of Security and Its Applications Vol.9 No.6
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.