research centers


Search results: Found 1

Listing 1 - 1 of 1
Sort by

Article
Fuzzy Rough Set based Feature Selection and Enhanced KNN Classifier for Intrusion Detection
استخدام نظرية المجاميع العشوائية المضببة القائمة على ميزة الاختيار وخوارزمية تصنيف الجار الأقرب المحسنة لكشف التسلل في قواعد بيانات شبكات الانترنيت

Author: Osamah Mohammed Fadhil
Journal: journal of kerbala university مجلة جامعة كربلاء ISSN: 18130410 Year: 2016 Volume: 14 Issue: 2 Pages: 72-86
Publisher: Kerbala University جامعة كربلاء

Loading...
Loading...
Abstract

Intrusion detection systems are used to detect and prevent the attacks in networks and databases. However, the increase in the dimension of the network dataset has become a major problem nowadays. Feature selection is used to reduce the dimension of the attributes present in those huge data sets. Classical Feature selection algorithms are based on Rough set theory, neighborhood rough set theory and fuzzy sets. Rough Set Attribute Reduction Algorithm is one of the major theories used for successfully reducing the attributes by removing redundancies. In this algorithm, significant features are selected data are extracted. In this paper, a new feature selection algorithm is proposed using the Maximum dependence Maximum Significance algorithm. This algorithm is used for selecting the minimal number of attributes has been from KDD data set. Moreover, a new K-Nearest Neighborhood based algorithm is proposed for classifying data set. This proposed feature selection algorithm considerably reduces the unwanted attributes or features and the classification algorithm finds the type of intrusion effectively. This system is very efficient in detecting attacks and effectively reduces the false alarm rate. The proposed feature selection and classification algorithms enhance the performance of the IDS in detecting the attacks

تستخدم انظمة كشف التسلل لكشف ومنع الهجمات في قواعد بيانات الشبكات. ومع ذلك، فان التوسع في مجالات قواعد بيانات الشبكات أصبح يمثل مشكله رئيسية هذه الايام. خاصية اختيار الميزة استخدمت لتقليل من حده هذه المشكلة التي تتمثل في ضخامة البيانات. خوارزمية اختيار البيانات التقليدية استندت على نظرية الأنظمة العشوائية ونظرية الأنظمة العشوائية المجاورة والمجاميع المضببة. خوارزمية تقليل الأنظمة العشوائية هي واحده من النظريات الرئيسية التي نجحت في تقليل السمات من خلال حذف الزوائد في هذه الخوارزمية، فان صفات مهمة تم تجريبها على بيانات مختصرة.في هذه البحث، تم اقتراح خوارزمية اختيار سمات جديده باستخدام الحد الأقصى اعتمادا على خوارزمية الدلالة القصوى. وتستخدم هذه الخوارزمية لاختيار الحد الأدنى لعدد من صفات مجموعة البيانات KDD. وعلاوة على ذلك، تم اقتراح خوارزمية جديدة (K-Nearest Neighborhood) لتصنيف مجموعة البيانات. خاصية خوارزمية الاختيار المقترحة قللت وبشكل ملحوظ من البيانات الغير مرغوب فيها، ووجدت خوارزمية التصنيف نوع التسلل بشكل فعال. وهذا النظام يعتبر فعال جدا في كشف الهجمات ويقلل من فعالية معدل انذار كاذب. ان اختيار خوارزمية السمات المقترحة وتصنيفها عزز من أداء نظام كشف التسلل.

Listing 1 - 1 of 1
Sort by
Narrow your search

Resource type

article (1)


Language

English (1)


Year
From To Submit

2016 (1)