Machine Learning-Based Alert Correlation for Enhanced Cybersecurity: A Multi-Classification Approach
Notice bibliographique
Résumé
Modern Security Operations Centers (SOCs) struggle with an overwhelming influx of security alerts from diverse sources, leading to alert fatigue and delayed incident response times. Conventional Security Information and Event Management (SIEM) systems typically process alerts in isolation, missing complex attack patterns that unfold across multiple detection points. This research introduces a comprehensive machine learning framework for intelligent alert correlation using three classification approaches: binary correlation detection, correlation type classification, and incident classification. We evaluated eight machine learning algorithms—Logistic Regression, Random Forest, XGBoost, LightGBM, Artificial Neural Networks (ANN), Convolutional Neural Networks (CNN), CatBoost, and Support Vector Machines (SVM)—using 50,000 realistic security alerts generated from 2.30 million network flows in the CIC-IDS-2017 dataset. Our multi-classification framework incorporates temporal relationships, network topology, attack progression patterns, and severity indicators to enhance correlation precision. The experimental results reveal remarkable performance across all classification tasks. CatBoost achieved the highest overall performance with 99.27% average accuracy across all tasks, closely followed by Random Forest (99.17%) and LightGBM (99.06%). For multiclass correlation type classification, six out of eight models achieved perfect 100% accuracy, with only XGBoost and SVM showing decreases to 96.30%. Binary correlation detection demonstrated exceptional performance with three models (Random Forest, LightGBM, CatBoost) achieving 99.96% accuracy. The proposed framework demonstrates exceptional capability in reducing alert noise while maintaining optimal detection rates, significantly enhancing SOC operational efficiency and enabling more targeted threat response strategies.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».