Modelo de detección de intrusiones en sistemas computacionales, realizando selección de características con chi square, entrenamiento y clasificación con ghsom

• Main Authors: Johan Mardini, Alberto Egea Colmenares
• Format: Article
• Language: Spanish
• Published: Universidad Simón Bolivar 2017-07-01
• Series: Investigación e Innovación en Ingenierías
• Subjects: DATASET KDD NSL DARPA; IDS (sistema de detección de intrusiones); GHSOM (mapas auto organizativos jerárquicos); reconocimiento de patrones.
• Online Access: http://revistas.unisimon.edu.co/index.php/innovacioning/article/view/2614

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