A New Intrusion Detection Model Based on Data Mining and Neural Network

• Autorzy: Dong Y. , Qi B. , Zhu W. , Gao W.

Warianty tytułu

PL

Nowy model detekcji ataków oparty o pozyskiwanie danych i sieć neuronową

• Języki publikacji: EN

Abstrakty

EN

Today, we often apply the intrusion detection to aid the firewall to maintain the network security. But now network intrusion detection have problem of higher false alarm rate, we apply the data warehouse and the data mining in intrusion detection and the technology of network traffic monitoring and analysis. After network data is processed by data mining, we will get the certain data and the uncertain data. Then we process the data by the BP neural network, which based on the genetic algorithm, again. Finally, we propose a new model of intrusion detection based on the data warehouse, the data mining and the BP neural network. The experimental result indicates this model can find effectively many kinds behavior of network intrusion and have higher intelligence and environment accommodation.

PL

Obecnie, w celu utrzymania bezpieczeństwa sieci, stosuje się wykrywanie ataków przy pomocy zapory ogniowej, co często powoduje za wysoki poziom fałszywych ataków. W proponowanym rozwiązaniu proponuje się wykorzystanie magazynowania i pozyskiwania danych oraz analizę monitoringu ruchu sieci. Przetwarzanie danych polegało dotychczas na ustaleniu danych pewnych i niepewnych; obecnie proponujemy wykorzystanie genetycznego algorytmu sieci neuronowych BP. Ostatecznie, wprowadzono nowy model detekcji ataków bazujący na magazynowaniu i pozyskiwaniu danych oraz neuronowych sieciach BP. Badania eksperymentalne wykazują, że zaprezentowany model pozwala na znalezienie wielu rodzajów zachowań ataków sieci, jest bardziej inteligentny, zapewnia wyższy standard obsługi środowiska.

Słowa kluczowe

EN

intrusion detection; data mining; BP neural network; genetic algorithm

PL

pozyskiwanie danych; sieć neuronowa BP; algorytm genetyczny

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2013
• Tom: R. 89, nr 1b
• Strony: 88--90
• Opis fizyczny: Bibliogr. 4 poz., schem.

Twórcy

autor

Dong Y.

• Shandong Polytechnic University

autor

Qi B.

• Shandong Polytechnic University

autor

Zhu W.

• Shandong Polytechnic University

autor

Gao W.

• Shandong Polytechnic University

Bibliografia

• [1] Pei J, Han J, Mao R.CLOSET: An Efficient Algorithm for Mining Frequent Closed Itemsets [J]. Proc. 2000 ACM-SIGMOD Int. Workshop onData Mining and Knowledge Discovery (DMKD'00) , 2000:132-196.
• [2] S d kant. Fast Algorithms for Mining Association Rules and Sequential Patterns[C]. Madison: University of Wisconsin, 2003.24(5):324~355
• [3] Qiao X.W, Xin Y, Bin,S, Ge.Anomaly. inrtusion deteetion method basedon HMM. Eleetronies Letters, Vol. 38, No. 13, P. P663—664, 20 Jun 2002
• [4] E.Eskin. Anomaly deteetion over noisy data using leanred Probability distributions Proceedings of ICML 2000. Menlo Park, CA, 2002