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 |
| _version_ | 1811275512604000256 |
|---|---|
| author | Johan Mardini Alberto Egea Colmenares |
| author_facet | Johan Mardini Alberto Egea Colmenares |
| author_sort | Johan Mardini |
| collection | DOAJ |
| 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 |
| first_indexed | 2024-04-12T23:39:05Z |
| format | Article |
| id | doaj.art-38f33d4ce8ca4dcaaf930a019741c248 |
| institution | Directory Open Access Journal |
| issn | 2344-8652 |
| language | Spanish |
| last_indexed | 2024-04-12T23:39:05Z |
| publishDate | 2017-07-01 |
| publisher | Universidad Simón Bolivar |
| record_format | Article |
| series | Investigación e Innovación en Ingenierías |
| spelling | doaj.art-38f33d4ce8ca4dcaaf930a019741c2482022-12-22T03:12:02ZspaUniversidad Simón BolivarInvestigación e Innovación en Ingenierías2344-86522017-07-0151243510.17081/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. |
| 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. |
| title | 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_short | Modelo de detección de intrusiones en sistemas computacionales, realizando selección de características con chi square, entrenamiento y clasificación con ghsom |
| title_sort | modelo de deteccion de intrusiones en sistemas computacionales realizando seleccion de caracteristicas con chi square entrenamiento y clasificacion con ghsom |
| 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 |