چکیده فارسی :

یک مشکل مشترک در IDS کنونی نرخ بالای مثبت کاذب و نرخ شناسایی پایین است. یک یادگیری ماشینی بدون نظارت با استفاده از K ابزار برای ارائه ی مدلی برای سیستم های تشخیص نفوذ (IDS) با نرخ بهره وری بالاتر و مثبت های کاذب کمتر و منفی های کاذب مورد استفاده قرار گرفت. مجموعه ی داده ی NSL-KD که شامل 25192 ورودی با 22 نوع مختلف داده بود مورد استفاده قرار گرفت. نتایج این مطالعه با استفاده از 11، 22، 44، 66 و 88 خوشه به ترتیب نرخ بازده ی 70.75٪، 81.61٪، 65.40٪، 61.30٪ و 55.43% را نشان داد. نرخ مثبت کاذب به ترتیب 0.74٪، 4.03٪، 15.55٪، 21.47٪ و 31.91٪ و نرخ منفی کاذب 99.82٪، 98.14٪، 97.76٪، 96.32٪ و 95.70٪ بود. جالب است که بهترین نتایج زمانی بدست آمد که تعداد خوشه ها منطبق با تعداد انواع داده در مجموعه ی داده بود. در پرتو یافته ها، توصیه می شود که سایر تکنیک های داده کاوی مورد بررسی قرار بگیرد. یک مطالعه با استفاده از الگوریتم داده کاوی K ابزار و سپس رویکرد مبتنی بر امضا برای کاهش نرخ منفی کاذب پیشنهاد شد. همچنین سیستمی برای شناسایی خودکار تعداد خوشه ها ممکن است توسعه پیدا کند.

چکیده انگلیسی:

A common problem shared by current IDS is the high false positives and low detection rate. An unsupervised machine learning using k-means was used to propose a model for Intrusion Detection System (IDS) with higher efficiency rate and low false positives and false negatives. The NSL-KD data set was used which consisted of 25,192 entries with 22 different types of data. Results of the study using 11, 22, 44, 66 and 88 clusters, showed an efficiency rate of 70.75%, 81.61%, 65.40%, 61.30% and 55.43% respectively; false positive rates of 0.74%, 4.03%, 15.55%, 21.47% and 31.91% respectively; and false negative rates of 99.82%, 98.14%, 97.76%, 96.32% and 95.70%, respectively. Interestingly, the best results were generated when the number of clusters matches the number of data types in the data set. In the light of the findings, it is recommended that other data mining techniques be explored; a study using k-means data mining algorithm followed by signature-based approach is proposed in order to lessen the false negative rate; and a system for automatically identifying the number of clusters may be developed.