A feature selection model using binary FOX optimization and v-shaped transfer function for network IDS

Die Art und Weise, wie das Internet im Alltag genutzt wird, hat erheblich zugenommen. Signifikante Präsenz bei der Vernetzung von IoTs, Hilfe durch Online-Bildung, Unterhaltung durch Online-Spiele, Entscheidungsfindung und vieles mehr. Daher erzeugen all diese Aktivitäten eine Fülle von Daten und erfordern auch deren Verwaltung. Es besteht die Notwendigkeit, diese Netzwerke vor bösartigen Angreifern zu schützen, um schädliche Handlungen zu verhindern. Netzwerksicherheit ist nach wie vor ein attraktives Forschungsthema. In diesem Beitrag wurde der Net Flow-basierte Datensatz NF-UNSWNB15-v2 für das Experiment in Betracht gezogen und versucht, Probleme beim Aufbau von IDS zu lösen. Probleme wie die Handhabung einer großen Anzahl von Features wurden gelöst, indem FOX-Optimierung mit V-förmiger Transferfunktion für Binarisierungszwecke eingesetzt und die optimalen Features ausgewählt wurden. Weitere Klassifizierung mittels Light-GBM und Auswertung der Ergebnisse für die binären und Mehrklassenklassifikationen. Das vorgeschlagene Modell wählt eine minimale Anzahl von Merkmalen sowohl für die binäre als auch für die Mehrklassenklassifizierung im Vergleich zu den anderen bestehenden Methoden aus. Bei der weiteren Bewertung verschiedener Parameter zeigt der vorgeschlagene Ansatz zufriedenstellende Ergebnisse und es wurde eine Verbesserung der Erkennungsrate für verschiedene Angriffe wie DoS, Exploits, Fuzzers usw. beobachtet.