Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Performance Analysis of Vertically Partitioned Data in Clouds Through a Client-Based In-Memory Key-Value Store Cache Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

A New Metric for Proficient Performance Evaluation of Intrusion Detection System

verfasst von : Preeti Aggarwal, Sudhir Kumar Sharma

Erschienen in: International Joint Conference

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Intrusion Detection System (IDS) can be called efficient when maximum intrusion attacks are detected with minimum false alarm rate but due to imbalanced data, these two metrics are not comparable on the same scale. In this paper, a new NPR metric is suggested in view of the imbalanced data set to rank the classification algorithms for IDS which can help analyze and identify the best possible combination of high detection rate and low false alarm rate with maximum accuracy and F-score. The new NPR metric is used for comparison and ordering of ten classifiers simulated on KDD data set.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel An Efficient Identity-Based Proxy Signature Scheme in the Standard Model with Tight Reduction
Nächstes Kapitel Clustering and Neural Visualization for Flow-Based Intrusion Detection
Literatur
1.
Tsai, C.-F. et al.: Intrusion detection by machine learning: a review. Exp. Syst. Appl. 36(10), 11994–12000 (2009)
2.
Gupta, S., Kumar, P., Abraham, A.: A profile based network intrusion detection and prevention system for securing cloud environment. Int. J. Distrib. Sens. Netw. (2013)
3.
4.
5.
6.
Tavallaee, M., Bagheri, E., Lu, W., Ghorbani, A.A.: A detailed analysis of the KDD CUP 99 data set. In: The Proceedings of IEEE Symposium on Computational Intelligence in Security and Defense Applications, pp. 1–6 (2009)
7.
McHugh, J.: Testing intrusion detection systems: a critique of the 1998 and 1999 Darpa intrusion detection system evaluations as performed by Lincoln laboratory. ACM Trans. Inf. Syst. Secur. 3(4), 262–294 (2000)CrossRef
8.
Qiang, Y., Wu, X.: 10 challenging problems in data mining research. Int. J. Inf. Technol. Decis. Making 5(04), 597–604 (2006)CrossRef
9.
Chawla N.V.: Data mining for imbalanced datasets: an overview. Data Mining and Knowledge Discovery Handbook, pp. 875–886. Springer US (2010)
10.
Kotsiantis, S., Kanellopoulos, D., Pintelas, P.: Handling imbalanced datasets: a review. GESTS Int. Trans. Comput. Sci. Eng. 30(1), 25–36 (2006)
11.
Hulse, V., Jason, Khoshgoftaar, T.M., Napolitano, A.: Experimental perspectives on learning from imbalanced data. In: Proceedings of the 24th International Conference on Machine learning. ACM, New York (2007)
12.
Fernandez-Delgado, M., Cernadas, E.: Do we need hundreds of classifiers to solve real world classification problems? J. Mach. Learn. Res. 15, 3133–3181 (2014)MATHMathSciNet
13.
González, S., et al.: Testing ensembles for intrusion detection: on the identification of mutated network scans. Computational intelligence in security for information systems, pp. 109–117. Springer, Berlin (2011)
14.
Alhomouda, A., Munira, R., Dissoa, J.P., Awana, I., Al-Dhelaanb, A.: Performance evaluation study of intrusion detection systems. Proc. Comput. Sci. 5, 173–180 (2011)
15.
Sokolova, M., Lapalme, G.: A systematic analysis of performance measures for classification tasks. Inf. Process. Manag. 45(4), 427–437 (2009)
16.
Ferri, C., Hernández-Orallo, J., Modroiu, R.: An experimental comparison of performance measures for classification. Pattern Recogn. Lett. 30(1), 27–38 (2009)CrossRef
17.
Cardenas, A.A., Baras, J.S., Seamon, K.: A framework for the evaluation of intrusion detection systems. IEEE Symp. Secur. Priv. 15–77 (2006)
18.
Nagarajan, A., Quyen N., Banks, R., Sood, A.: Combining intrusion detection and recovery for enhancing system dependability. In: IFIP 41st International Conference on Dependable Systems and Networks Workshops (DSN-W) (2011)
19.
Pietraszek, T., Tanner, A.: Information security technical report. 10(3), 169–183 (2005) (Elsevier)
20.
Giacinto, G., Perdisci, R., Del Rio, M., Roli, F.: Intrusion detection in computer networks by a modular ensemble of one-class classifiers. Special Issue on Applications of Ensemble Methods, Information Fusion, Vol. 9, no 1, pp. 69–82 (2008)
21.
Chandola, V., Banerjee, A. and Kumar, V.: Anomaly detection: a survey. ACM Comput. Surv. (CSUR) 41(3), 15 (2009)
22.
Han, J., Kamber, M.: Data mining: concepts and techniques, 3rd edn. Morgan Kaufmann, San Francisco (2012)
23.
Witten, I.H., Frank, E., Hall, M.A.: Data mining- practical machine learning tools and techniques. Morgan Kaufmann, San Francisco (2011)
24.
Metadaten
Titel
A New Metric for Proficient Performance Evaluation of Intrusion Detection System
verfasst von
Preeti Aggarwal
Sudhir Kumar Sharma
Copyright-Jahr
2015
Buch
International Joint Conference

Print ISBN: 978-3-319-19712-8

Electronic ISBN: 978-3-319-19713-5

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-19713-5_28

Premium Partner

    Bildnachweise