A Model To Detetct DOS Using Data Mining Classification Algorithms - Couverture souple

Ali Inas; Hassan Soukaena

 
9783659697173: A Model To Detetct DOS Using Data Mining Classification Algorithms

Synopsis

Ce travail propose un modèle de détection d'intrusion (IDM) pour la détection des tentatives d'intrusion causées par les vers. La proposition est un IDM hybride car elle prend en compte les caractéristiques des paquets réseau et de l'hôte sensibles aux vers. L'ensemble de données HybD (Hybrid Dataset) proposé, qui est composé des fonctionnalités du jeu de données KDD'99 (Knowledge Discovery in Databases) à 10 % et des fonctionnalités basées sur l'hôte suggérées, est utilisé pour construire et tester le modèle proposé. Les approches de détection des abus et des anomalies sont utilisées. L'IDM hybride a été conçu en utilisant des méthodes d'exploration de données (DM) qui, pour leur capacité à détecter de nouvelles intrusions avec précision et automatiquement, il peut également traiter une grande quantité de données, et il est plus susceptible de découvrir les informations ignorées et cachées. Le classificateur interactif Dichotomiseur 3 (ID3) et le classificateur bayésien naïf (NB) sont utilisés pour construire et vérifier la validité du modèle proposé en termes de précision du classificateur. Les résultats de la mise en œuvre du modèle proposé montrent que la précision du classificateur NB est généralement supérieure à celle du classificateur ID3 avec les quatre ensembles de fonctionnalités.

Les informations fournies dans la section « Synopsis » peuvent faire référence à une autre édition de ce titre.