On efficiency enhancement of the correlation-based feature selection for intrusion detection systems
Notice bibliographique
Résumé
The dramatic increase in the network traffic data has become a major concern in security systems. Intrusion detection systems (TDSs), as common widely used security systems for communication networks, are not an exception. An IDS monitors the network traffic to detect attacks through classifying the network traffic data into normal and abnormal classes. Due to the high dimensionality of the network traffic data, it is not always feasible for an IDS to detect intrusions quickly and accurately. Feature selection emerges as a necessary step in designing an IDS to overcome its shortcoming and enhance its performance through the reduction of its complexity and acceleration of the detection process. To this end, in this paper, we address the problem of dimensionality reduction by proposing an efficient feature selection algorithm that considers the correlation between a subset of features and the behavior class label. Correlation-based feature selection (CFS) and symmetrical uncertainty (SU) are the two correlation metrics used to measure the dependency level between features and class labels, and among features. Experimental results on NSL-KDD dataset shows that the proposed approach with fewer features, significantly outperforms the existing schemes in terms of the training time, time taken to build the model, while it preserves or increases the system accuracy. In addition, the efficiency of the proposed feature selection technique is tested on different classification algorithms and comparison results indicates that J48 classifier with the highest accuracy and precision values and lowest miss rate and false alarm rate values, performs better with the proposed feature selection technique.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».