VERS UNE NOUVELLE ARCHITECTURE DE DETECTION D'INTRUSION RESEAUX A BASE DE RESEAUX NEURONAUX - Archive ouverte HAL Accéder directement au contenu
Pré-Publication, Document De Travail Année : 2016

TOWARDS NEW ARCHITECTURE OF DETECTION OF NETWORK INTRUSION WITH NEURONAL NETWORKS

VERS UNE NOUVELLE ARCHITECTURE DE DETECTION D'INTRUSION RESEAUX A BASE DE RESEAUX NEURONAUX

Résumé

Network IDS appear nowadays as one of most efficient solution to detect illegal/suspicions activities in network. Using neural networks to achieve this objective has been studied by many authors. Most of the solutions in the state of the art raise the pertinence and reliability problems. One of the major causes is the bad conception of the normal profile. In this paper, the importance of the selection of attributes in the efficiency on NIDS. To do it, we propose modular architecture in which every module is built to detect a type of attack and is train at first with all the attributes, then by pruning certain attributes of the whole learning. This modularity allows us to know which brick of the system degrades the performance of NIDS. The experiment allows us to observe that according to the type of attack, certain attributes have a marginal influence, and others on the other hand have a very dominating influence. A comparative study of the performances of our architecture was made. The NSL-KDD dataset has been use for training, testing and evaluating our architectures.
Les systèmes de détection d'intrusion réseau s'imposent aujourd'hui comme l'une des solutions efficaces pour détecter les activités illégales ou suspectes dans un réseau. Utiliser les réseaux de neurones pour pouvoir atteindre cet objectif a été étudié par plusieurs auteurs. La plupart des solutions proposées dans la littérature posent toujours le problème de pertinence et de fiabilité. L'une des causes majeures est la mauvaise conception du profil normal. Nous étudions dans ce papier l'importance de la sélection d'attributs dans le rendement des NIDS. Pour ce faire, nous proposons une architecture modulaire dans laquelle chaque module est construit pour détecter un type d'attaque et est entrainé d'abord avec tous les attributs, ensuite en élaguant certains attributs de l'ensemble d'apprentissage. Cette modularité nous permet de savoir quelle brique du système dégrade la performance du NIDS. L'expérimentation nous permet d'observer qu'en fonction du type d'attaque, certains attributs ont une influence marginale, et d'autres par contre ont une influence très prépondérante. Une étude comparative des performances de notre architecture a été effectuée. Le jeu de données NSL-KDD a été utilisé pour entrainer, tester et évaluer notre architecture.
Fichier principal
Vignette du fichier
VERS UNE NOUVELLE ARCHITECTURE DE DETECTION D'INTRUSION RESEAUX A BASE DE RESEAUX NEURONAUX-arima.pdf (172.75 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01304514 , version 1 (20-04-2016)

Identifiants

  • HAL Id : hal-01304514 , version 1

Citer

Berlin Hervé Djionang Lekagning, Gilbert Tindo. VERS UNE NOUVELLE ARCHITECTURE DE DETECTION D'INTRUSION RESEAUX A BASE DE RESEAUX NEURONAUX. 2016. ⟨hal-01304514⟩
328 Consultations
1633 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More