지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.11
- 수록면
- 1,510 - 1,524 (15page)
- DOI
- 10.7840/kics.2024.49.11.1510
이용수
초록· 키워드
오류제보하기
To accurately detect and defend against ever-evolving cyber-attacks, network security technologies using artificial intelligence are continually advancing. This study analyzed the effective network intrusion detection methods based on the CICIDS2017 dataset, which contains various types of network attacks and has a highly imbalanced class distribution. To enhance detection performance for the minority classes of attacks, five oversampling techniques, including SMOTE, Borderline-SMOTE, ADASYN, GAN, and BiGAN, were applied to the underrepresented Bot and Infiltration classes. Additionally, the impact of feature selection on classification performance was evaluated by selecting features based on the feature importance scores from each machine learning model: Random Forest and XGBoost. The experimental results demonstrated that oversampling with SMOTE and ADASYN improved the recall scores of minority classes. Furthermore, applying feature selection reduced the model's complexity while maintaining or even improving its accuracy.
목차
ABSTRACT
Ⅰ. Introduction
Ⅱ. Data Preparation and Methodology
Ⅲ. Experimental Results and Analysis
Ⅳ. Conclusion and Future Work
References
참고문헌 (21)
참고문헌 신청
X. Liu, T. Li, R. Zhang, D. Wu, Y. Liu, and Z. Yang, “A GAN and feature selection-based oversampling technique for intrusion detection,” Secur. and Commun. Netw., pp. 1-15, Jul. 2021. (https://doi.org/10.1155/2021/9947059)
D. Elreedy and A. F. Atiya, “A comprehensive analysis of Synthetic Minority Oversampling Technique (SMOTE) for handling class imbalance,” Inf. Sci., vol. 505, pp. 32-64, Jul. 2019. (https://doi.org/10.1016/j.ins.2019.07.070)
A. M. Oyelakin, A. O. Ameen, T. S. Ogundele, T. Salau-Ibrahim, U. T. Abdulrauf, H. I. Olufadi, I. K. Ajiboye, S. Muhammad-Thani, and I. A. Adeniji, “Overview and exploratory analyses of CICIDS 2017 intrusion detection dataset,” J. OSEIT, vol. 2, no. 2, pp. 45-52, Sep. 2023. (https://doi.org/10.29207/joseit.v2i2.5411)
Z. K. Maseer, R. Yusof, N. Bahaman, S. A. Mostafa, and C. F. M. Foozy, “Benchmarking of machine learning for anomaly based intrusion detection systems in the CICIDS2017 dataset,” IEEE Access, vol. 9, pp. 22351-22370, Feb. 2021. (https://doi.org/10.1109/ACCESS.2021.3056614)
Kurniabudi, D. Stiawan, Darmawijoyo, M. Y. Bin Idris, A. M. Bamhdi, and R. Budiarto, “CICIDS-2017 dataset feature analysis with information gain for anomaly detection,” IEEE Access, vol. 8, pp. 132911-132921, Jul. 2020. (https://doi.org/10.1109/ACCESS.2020.3009843)
D. Elreedy and A. F. Atiya, “A comprehensive analysis of Synthetic Minority Oversampling Technique (SMOTE) for handling class imbalance,” Inf. Sci., vol. 505, pp. 32-64, Jul. 2019. (https://doi.org/10.1016/j.ins.2019.07.070)
A. M. Oyelakin, A. O. Ameen, T. S. Ogundele, T. Salau-Ibrahim, U. T. Abdulrauf, H. I. Olufadi, I. K. Ajiboye, S. Muhammad-Thani, and I. A. Adeniji, “Overview and exploratory analyses of CICIDS 2017 intrusion detection dataset,” J. OSEIT, vol. 2, no. 2, pp. 45-52, Sep. 2023. (https://doi.org/10.29207/joseit.v2i2.5411)
Z. K. Maseer, R. Yusof, N. Bahaman, S. A. Mostafa, and C. F. M. Foozy, “Benchmarking of machine learning for anomaly based intrusion detection systems in the CICIDS2017 dataset,” IEEE Access, vol. 9, pp. 22351-22370, Feb. 2021. (https://doi.org/10.1109/ACCESS.2021.3056614)
Kurniabudi, D. Stiawan, Darmawijoyo, M. Y. Bin Idris, A. M. Bamhdi, and R. Budiarto, “CICIDS-2017 dataset feature analysis with information gain for anomaly detection,” IEEE Access, vol. 8, pp. 132911-132921, Jul. 2020. (https://doi.org/10.1109/ACCESS.2020.3009843)
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Oversampling Techniques for Detecting Bitcoin Illegal Transactions
한국통신학회 APNOMS
2020 .09
-
클래스 불균형 해결을 위한 Diffusion Model 기반 Oversampling
한국정보과학회 학술발표논문집
2023 .06
-
Mitigating Class Imbalance with Ensemble SMOTEfied-GAN: Advancing Detection Strategies for Automobile Insurance Fraud
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2024 .12
-
Imbalanced Learning in Heart Disease Categorization: Improving Minority Class Prediction Accuracy Using the SMOTE Algorithm
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2023 .06
-
불균형 데이터 분류를 위한 Expectation-maximization 알고리즘과 경계 관측치를 이용한 SMOTE
대한산업공학회지
2021 .06
-
클래스 불균형 데이터의 효과적인 분류를 위한 k-NN과 생성적 적대 신경망 기반의 오버샘플링
대한산업공학회지
2020 .08
-
Oversampling 기법 및 이상치 제거 방법을 통한 데이터 구축 연구
한국지반공학회논문집
2024 .10
-
A study on the characteristics of applying oversampling algorithms to Fosberg Fire-Weather Index (FFWI) data
Smart Structures and Systems, An International Journal
2024 .07
-
Comparison of Classification Techniques based on Feature Extraction and Imbalanced Data Processing
대한전기학회 학술대회 논문집
2021 .07
-
Experimental Analysis of Equilibrization in Binary Classification for Non-Image Imbalanced Data Using Wasserstein GAN
International journal of internet, broadcasting and communication : IJIBC
2019 .01
-
인공지능 알고리즘을 이용한 은행 예금 가입 의사 분류 예측에 관한 연구
한국통신학회 학술대회논문집
2024 .06
-
SMOTE 알고리즘을 사용한 불균형 데이터의 분류 성능 개선
정보 및 제어 논문집
2020 .10
-
과표본추출 기반의 블록체인 이상탐지 방법에 관한 연구
대한산업공학회지
2019 .12
-
침입 탐지 데이터의 불균형 문제 개선을 위한 CTGAN 오버 샘플링 기법 도입에 관한 연구
한국통신학회논문지
2020 .12
-
보행자 교통사고 심각도 예측을 위한 머신러닝 모형 비교 분석: 보행자 교통사고 자료의 표본 불균형 보정을 중심으로
대한공간정보학회지
2021 .06
-
패킷 페이로드 분석과 오버샘플링을 적용한 트랜스포머 기반 침입탐지 모델
한국정보기술학회논문지
2024 .10
-
New Feature Selection Method for Text Categorization
Journal of information and communication convergence engineering
2017 .03
-
Training Neural Networks with Adaptive Oversampling at Hidden Layers for Imbalanced Data Classification
대한산업공학회 추계학술대회 논문집
2019 .11
-
가중치 VAE 오버샘플링(W-VAE)을 이용한 보안데이터셋 샘플링 기법 연구
한국정보통신학회논문지
2022 .12
-
A Feature Selection Method for Classifying Highly Similar Text Documents
Industrial Engineering & Management Systems
2021 .06
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-25-02-091113780