| Revista: | Investigación e innovación en ingenierías |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000413790 |
| ISSN: | 2344-8652 |
| Autores: | Mardini, Johan1 Egea Colmenares, Alberto2 |
| Instituciones: | 1Universidad del Atlántico, Barranquilla, Atlántico. Colombia 2Universidad de la Costa, Barranquilla, Atlántico. Colombia |
| Año: | 2017 |
| Periodo: | Ene-Jul |
| Volumen: | 5 |
| Número: | 1 |
| Paginación: | 24-35 |
| País: | Colombia |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Aplicado, descriptivo |
| Resumen en español | D ado 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 in - trusivos 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 sensibili - dad, 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 clasi - ficador GHSOM utilizado con la técnica CHI SQUARE genera su mejor resul - tado a 15 características con precisión, sensibilidad, especificidad y exactitud |
| Resumen en inglés | F or organizations, information has become one of their most valua - ble assets, that is whyit is necessary to safeguard it, by using diffe - rent strategies of protection, in order to avoid intruders access or any incident caused by data damage and misuse. Then, this paper aims to assess the efficiency of a proposed model related to network intruders detection, using metrics of sensitivity, specificity, precision and accuracy. This model uses DATASETNSL-KD DARPA, by selecting the most rele - vant featureswith CHI SQUARE and training a neural network,through a simulation process which use a non-supervised learning algorithm based on hierarchical organization maps, in order to classify BI-CLASSnetwork automatically. As a result, it was showed that using the GHSOM classifier with CHI SQUARE as features selection criteria, generate its best result : 15 features with precision, sensitivity, specificity and accuracy |
| Disciplinas: | Ciencias de la computación |
| Palabras clave: | Redes, Seguridad de redes, Detección de intrusiones, Reconocimiento de patrones, Mapas jerárquicos autoorganizados |
| Keyword: | Computer science, Networks, Networks security, Intrusion detection, Pattern recognition, Hierarchical self-organized maps |
| Texto completo: | Texto completo (Ver HTML) |
