Network Intrusion Detection Using Flow Statistics

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

4 Sitaatiot (Scopus)

Abstrakti

The increasing use of network data within every aspect of human life, ranging from genetic databases to credit card payments, urges for efficient methods for detecting any attempts (intrusions) to compromise sensitive information. The problem of detecting such network intrusions is challenging, since the regular or normal network patterns are permanently changing. This paper discusses a novel intrusion detection system based on using histograms of network parameters as features which are then fed into an extreme learning machine for classifying network flows. We evaluate and compare the proposed method with existing approaches using the ISCX-IDS 2012 benchmark dataset. The numerical experiments indicate that the proposed method outperforms existing approaches by achieving an average detection rate of up to 99% while suffering a misclassification rate of only 2 %.

AlkuperäiskieliEnglanti
Otsikko2018 IEEE Statistical Signal Processing Workshop, SSP 2018
KustantajaIEEE
Sivut70-74
Sivumäärä5
ISBN (painettu)9781538615706
DOI - pysyväislinkit
TilaJulkaistu - 29 elokuuta 2018
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaIEEE STATISTICAL SIGNAL PROCESSING WORKSHOP - Freiburg im Breisgau, Saksa
Kesto: 10 kesäkuuta 201813 kesäkuuta 2018
Konferenssinumero: 20

Workshop

WorkshopIEEE STATISTICAL SIGNAL PROCESSING WORKSHOP
LyhennettäSSP
MaaSaksa
KaupunkiFreiburg im Breisgau
Ajanjakso10/06/201813/06/2018

Sormenjälki

Sukella tutkimusaiheisiin 'Network Intrusion Detection Using Flow Statistics'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä