Modelo de detección de intrusiones en sistemas computacionales, realizando selección de características con chi square, entrenamiento y clasificación con ghsom
Dado que la información se ha constituido en uno de los activos más valiosos de las organizaciones, es necesario salvaguardarla a través de diferentes estrategias de protección, con el fin de evitar accesos intrusivos o cualquier tipo de incidente que cause el deterioro y mal uso de la misma. Precis...
Main Authors: | , |
---|---|
Format: | Article |
Language: | Spanish |
Published: |
Universidad Simón Bolivar
2017-07-01
|
Series: | Investigación e Innovación en Ingenierías |
Subjects: | |
Online Access: | http://revistas.unisimon.edu.co/index.php/innovacioning/article/view/2614 |
id |
doaj-38f33d4ce8ca4dcaaf930a019741c248 |
---|---|
record_format |
Article |
spelling |
doaj-38f33d4ce8ca4dcaaf930a019741c2482020-11-24T22:55:03ZspaUniversidad Simón Bolivar Investigación e Innovación en Ingenierías 2344-86522017-07-0151243510.17081/invinno.5.1.26142614Modelo de detección de intrusiones en sistemas computacionales, realizando selección de características con chi square, entrenamiento y clasificación con ghsomJohan Mardini0Alberto Egea ColmenaresUniversidad del AtlánticoDado que la información se ha constituido en uno de los activos más valiosos de las organizaciones, es necesario salvaguardarla a través de diferentes estrategias de protección, con el fin de evitar accesos intrusivos o cualquier tipo de incidente que cause el deterioro y mal uso de la misma. Precisamente por ello, en este artículo se evalúa la eficiencia de un modelo de detección de intrusiones de red, utilizando métricas de sensibilidad, especificidad, precisión y exactitud, mediante un proceso de simulación que utiliza el DATASET NSL-KDD DARPA, y en concreto las características más relevantes con CHI SQUARE. Esto último a partir de una red neuronal que hace uso de un algoritmo de aprendizaje no supervisado y que se basa en mapas auto organizativos jerárquicos. Con todo ello se clasificó el tráfico de la red BI-CLASE de forma automática. Como resultado se encontró que el clasificador GHSOM utilizado con la técnica CHI SQUARE genera su mejor resultado a 15 características con precisión, sensibilidad, especificidad y exactitudhttp://revistas.unisimon.edu.co/index.php/innovacioning/article/view/2614DATASET KDD NSL DARPAIDS (sistema de detección de intrusiones)GHSOM (mapas auto organizativos jerárquicos)reconocimiento de patrones. |
collection |
DOAJ |
language |
Spanish |
format |
Article |
sources |
DOAJ |
author |
Johan Mardini Alberto Egea Colmenares |
spellingShingle |
Johan Mardini Alberto Egea Colmenares Modelo de detección de intrusiones en sistemas computacionales, realizando selección de características con chi square, entrenamiento y clasificación con ghsom Investigación e Innovación en Ingenierías DATASET KDD NSL DARPA IDS (sistema de detección de intrusiones) GHSOM (mapas auto organizativos jerárquicos) reconocimiento de patrones. |
author_facet |
Johan Mardini Alberto Egea Colmenares |
author_sort |
Johan Mardini |
title |
Modelo de detección de intrusiones en sistemas computacionales, realizando selección de características con chi square, entrenamiento y clasificación con ghsom |
title_short |
Modelo de detección de intrusiones en sistemas computacionales, realizando selección de características con chi square, entrenamiento y clasificación con ghsom |
title_full |
Modelo de detección de intrusiones en sistemas computacionales, realizando selección de características con chi square, entrenamiento y clasificación con ghsom |
title_fullStr |
Modelo de detección de intrusiones en sistemas computacionales, realizando selección de características con chi square, entrenamiento y clasificación con ghsom |
title_full_unstemmed |
Modelo de detección de intrusiones en sistemas computacionales, realizando selección de características con chi square, entrenamiento y clasificación con ghsom |
title_sort |
modelo de detección de intrusiones en sistemas computacionales, realizando selección de características con chi square, entrenamiento y clasificación con ghsom |
publisher |
Universidad Simón Bolivar |
series |
Investigación e Innovación en Ingenierías |
issn |
2344-8652 |
publishDate |
2017-07-01 |
description |
Dado que la información se ha constituido en uno de los activos más valiosos de las organizaciones, es necesario salvaguardarla a través de diferentes estrategias de protección, con el fin de evitar accesos intrusivos o cualquier tipo de incidente que cause el deterioro y mal uso de la misma. Precisamente por ello, en este artículo se evalúa la eficiencia de un modelo de detección de intrusiones de red, utilizando métricas de sensibilidad, especificidad, precisión y exactitud, mediante un proceso de simulación que utiliza el DATASET NSL-KDD DARPA, y en concreto las características más relevantes con CHI SQUARE. Esto último a partir de una red neuronal que hace uso de un algoritmo de aprendizaje no supervisado y que se basa en mapas auto organizativos jerárquicos. Con todo ello se clasificó el tráfico de la red BI-CLASE de forma automática. Como resultado se encontró que el clasificador GHSOM utilizado con la técnica CHI SQUARE genera su mejor resultado a 15 características con precisión, sensibilidad, especificidad y exactitud |
topic |
DATASET KDD NSL DARPA IDS (sistema de detección de intrusiones) GHSOM (mapas auto organizativos jerárquicos) reconocimiento de patrones. |
url |
http://revistas.unisimon.edu.co/index.php/innovacioning/article/view/2614 |
work_keys_str_mv |
AT johanmardini modelodedetecciondeintrusionesensistemascomputacionalesrealizandoselecciondecaracteristicasconchisquareentrenamientoyclasificacionconghsom AT albertoegeacolmenares modelodedetecciondeintrusionesensistemascomputacionalesrealizandoselecciondecaracteristicasconchisquareentrenamientoyclasificacionconghsom |
_version_ |
1725658247503806464 |