Sistema di rilevamento intrusioni autoconfigurante (SCIDS)

Con la rapida espansione delle reti informatiche negli ultimi anni, la sicurezza è diventata una questione cruciale per i moderni sistemi informatici. Un buon modo per identificare un uso dannoso è attraverso il monitoraggio di attività insolite dell'utente. Per identificare queste attività dannose sono state impiegate varie tecniche di data mining e apprendimento automatico per il rilevamento delle intrusioni. Questo libro propone il sistema di rilevamento delle intrusioni autoconfigurante (SCIDS) per effettuare la messa a punto automaticamente. L'idea chiave è quella di utilizzare il binario SLIPPER come modulo di base, che è un apprendimento delle regole basato sul boosting con valutazione della confidenza. Questo sistema viene valutato utilizzando il set di dati di rilevamento delle intrusioni NSL KDD. Un risultato sperimentale mostra che il sistema SCIDS con algoritmo SLIPPER offre prestazioni migliori in termini di tasso di rilevamento, tasso di falsi allarmi, costo totale di errata classificazione e costo per esempio sul set di dati NSL-KDD rispetto a quello su KDD.