عرض بسيط للتسجيلة

Hybrid Machine Learning for Network Anomaly Intrusion Detection

المؤلفChkirbene, Zina
المؤلفEltanbouly, Sohaila
المؤلفBashendy, May
المؤلفAlnaimi, Noora
المؤلفErbad, Aiman
تاريخ الإتاحة2024-03-04T04:51:02Z
تاريخ النشر2020-02-01
اسم المنشور2020 IEEE International Conference on Informatics, IoT, and Enabling Technologies, ICIoT 2020
المعرّفhttp://dx.doi.org/10.1109/ICIoT48696.2020.9089575
الاقتباسZ. Chkirbene, S. Eltanbouly, M. Bashendy, N. AlNaimi and A. Erbad, "Hybrid Machine Learning for Network Anomaly Intrusion Detection," 2020 IEEE International Conference on Informatics, IoT, and Enabling Technologies (ICIoT), Doha, Qatar, 2020, pp. 163-170, doi: 10.1109/ICIoT48696.2020.9089575.
الترقيم الدولي الموحد للكتاب 9781728148212
معرّف المصادر الموحدhttps://www.scopus.com/inward/record.uri?partnerID=HzOxMe3b&scp=85085510618&origin=inward
معرّف المصادر الموحدhttp://hdl.handle.net/10576/52615
الملخصIn this paper, a hybrid approach of combing two machine learning algorithms is proposed to detect the different possible attacks by performing effective feature selection and classification. This system uses Random Forest algorithm for the feature selection to find the most important features combined with Classification and Regression Trees (CART) for the classification of the different attack classes. The proposed system was tested using the UNSW-NB15 dataset and the results show that the proposed method achieves a good performance compared with the existing algorithms.
اللغةen
الناشرIEEE
الموضوعAnomaly detection
intrusion detection systems
machine Learning
network security
العنوانHybrid Machine Learning for Network Anomaly Intrusion Detection
النوعConference Paper
الصفحات163-170
dc.accessType Abstract Only


الملفات في هذه التسجيلة

الملفاتالحجمالصيغةالعرض

لا توجد ملفات لها صلة بهذه التسجيلة.

هذه التسجيلة تظهر في المجموعات التالية

عرض بسيط للتسجيلة