Nâng cao hiệu quả phát hiện xâm nhập mạng bằng huấn luyện DSD

Abstract

Hầu hết các mô hình phát hiện xâm nhập hiện đại đều ứng dụng học máy để cho ra kết quả phát hiện và phân loại tấn công xâm nhập với độ chính xác cao. Nghiên cứu này đề xuất mô hình kết hợp mạng nơ-ron nhiều lớp với huấn luyện nhiều giai đoạn DSD để cải tiến đồng thời các tiêu chí liên quan đến hiệu quả thực thi của các hộ thống phát hiện xâm nhập trên tập dữ liệu UNSW-NB15, là tập được cập nhật thường xuyên các đặc trưng dữ liệu với nhiều hình thức tấn công mới. Chúng tôi tiến hành thực nghiệm trên 3 mô hình mạng nơ-ron RNN, LSTM, và GRU để đánh giá hiệu quả kết hợp với từng mô hình thông qua nhiều tiêu chí như độ chính xác, tỷ lệ phát hiện, tỷ lệ cảnh báo giá, Precision và F1-Score.