Binary and Multiclass Cyberattack Classification on GeNIS Dataset
Created by
Haebom
Category
Empty
저자
Miguel Silva, Daniela Pinto, Joao Vitorino, Eva Maia, Isabel Pra\c{c}a, Ivone Amorim, Maria Joao Viamonte
개요
AI 기반 네트워크 침입 탐지 시스템(NIDS)의 발전을 위해 GeNIS 데이터 세트의 신뢰성을 실험적으로 검증하는 연구입니다. 머신 러닝(ML) 및 딥 러닝(DL) 모델의 성능을 향상시키기 위해, 5가지 특징 선택 방법을 사용하여 GeNIS 데이터 세트의 관련 특징을 식별하고 차원을 축소했습니다. 이를 통해 계산 효율성을 높였습니다. 3개의 의사 결정 트리 앙상블과 2개의 딥 신경망을 훈련하여 이진 및 다중 클래스 분류 작업을 수행했습니다. 모든 모델은 높은 정확도와 F1 점수를 달성했으며, ML 앙상블이 DL 모델보다 효율적이면서 더 나은 일반화 성능을 보였습니다. 전반적으로, GeNIS 데이터 세트는 시간 기반 및 수량 기반 행동 특징을 사용하여 지능형 침입 탐지 및 사이버 공격 분류를 지원합니다.
시사점, 한계점
•
시사점:
◦
GeNIS 데이터 세트가 AI 기반 NIDS의 벤치마크로서의 가능성을 보여줌.
◦
다양한 특징 선택 방법과 ML/DL 모델의 조합을 통해 효과적인 침입 탐지 가능성을 제시.
◦
ML 앙상블 모델이 DL 모델보다 효율적이고 일반화 성능이 우수함을 확인.
•
한계점:
◦
연구가 특정 데이터 세트(GeNIS)에 한정되어 있으며, 다른 데이터 세트에 대한 일반화 성능은 추가 연구가 필요함.
