論文の概要: A Review of Various Datasets for Machine Learning Algorithm-Based Intrusion Detection System: Advances and Challenges
- arxiv url: http://arxiv.org/abs/2506.02438v1
- Date: Tue, 03 Jun 2025 04:47:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-04 21:47:35.279615
- Title: A Review of Various Datasets for Machine Learning Algorithm-Based Intrusion Detection System: Advances and Challenges
- Title（参考訳）: 機械学習アルゴリズムによる侵入検知システムにおける各種データセットの展開と課題
- Authors: Sudhanshu Sekhar Tripathy, Bichitrananda Behera,
- Abstract要約: IDSは、不正アクセスを防止し、機密情報を保護するために、コンピュータネットワークをセキュリティ脅威から保護し、通知し、適切なアクションを取ることを目的としている。
研究者は、一般的なデータセットを機械学習アルゴリズムに組み込むことで、IDSの有効性を高めている。
本稿では、侵入検知システム(IDS)を捕捉・レビューする方法について検討し、既存のデータセットが直面する課題を評価する。
- 参考スコア（独自算出の注目度）: 0.40964539027092917
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: IDS aims to protect computer networks from security threats by detecting, notifying, and taking appropriate action to prevent illegal access and protect confidential information. As the globe becomes increasingly dependent on technology and automated processes, ensuring secured systems, applications, and networks has become one of the most significant problems of this era. The global web and digital technology have significantly accelerated the evolution of the modern world, necessitating the use of telecommunications and data transfer platforms. Researchers are enhancing the effectiveness of IDS by incorporating popular datasets into machine learning algorithms. IDS, equipped with machine learning classifiers, enhances security attack detection accuracy by identifying normal or abnormal network traffic. This paper explores the methods of capturing and reviewing intrusion detection systems (IDS) and evaluates the challenges existing datasets face. A deluge of research on machine learning (ML) and deep learning (DL) architecture-based intrusion detection techniques has been conducted in the past ten years on various cybersecurity datasets, including KDDCUP'99, NSL-KDD, UNSW-NB15, CICIDS-2017, and CSE-CIC-IDS2018. We conducted a literature review and presented an in-depth analysis of various intrusion detection methods that use SVM, KNN, DT, LR, NB, RF, XGBOOST, Adaboost, and ANN. We provide an overview of each technique, explaining the role of the classifiers and algorithms used. A detailed tabular analysis highlights the datasets used, classifiers employed, attacks detected, evaluation metrics, and conclusions drawn. This article offers a thorough review for future IDS research.
- Abstract（参考訳）: IDSは、不正アクセスを防止し、機密情報を保護するために、コンピュータネットワークをセキュリティ脅威から保護し、通知し、適切なアクションを取ることを目的としている。
世界が技術や自動化プロセスにますます依存するようになるにつれ、セキュアなシステム、アプリケーション、ネットワークの確保が、この時代の最も重要な問題のひとつになっている。
グローバルウェブとデジタル技術は、現代の世界の進化を著しく加速させ、通信とデータ転送プラットフォームの使用を必要としている。
研究者は、一般的なデータセットを機械学習アルゴリズムに組み込むことで、IDSの有効性を高めている。
機械学習分類器を備えたIDSは、正常または異常なネットワークトラフィックを特定することにより、セキュリティ攻撃検出精度を高める。
本稿では、侵入検知システム(IDS)を捕捉・レビューする方法について検討し、既存のデータセットが直面する課題を評価する。
KDDCUP'99、NSL-KDD、UNSW-NB15、CICIDS-2017、CSE-CIC-IDS2018など、さまざまなサイバーセキュリティデータセット上で、機械学習(ML)とディープラーニング(DL)アーキテクチャに基づく侵入検出技術の研究が過去10年間に実施された。
SVM, KNN, DT, LR, NB, RF, XGBOOST, Adaboost, ANN を用いた各種侵入検出手法の詳細な解析を行った。
本稿では,各手法の概要について概説し,使用する分類器とアルゴリズムの役割を説明する。
詳細な表解析では、使用されるデータセット、使用される分類器、検出された攻撃、評価メトリクス、引き出された結論が強調されている。
本項では今後のIDS研究について概観する。
関連論文リスト
- Deep Learning-based Intrusion Detection Systems: A Survey [28.367550926766935]
侵入検知システム(IDS)は長い間、サイバーセキュリティコミュニティでホットな話題だった。
ディープラーニング(DL)技術の導入により、IDSは一般化可能性の向上により大きな進歩を遂げた。
この調査は、データ収集、ログストレージ、ログ解析、グラフ要約、攻撃検出、攻撃調査など、DL-IDSの全ステージを体系的にレビューする。
論文 参考訳（メタデータ） (2025-04-10T15:18:56Z) - Intrusion Detection in IoT Networks Using Hyperdimensional Computing: A Case Study on the NSL-KDD Dataset [0.2399911126932527]
IoT(Internet of Things)ネットワークの急速な拡張により,新たなセキュリティ課題が導入された。
本研究では,超次元コンピューティング(HDC)に基づく検出フレームワークを提案し,ネットワーク侵入を識別・分類する。
提案手法は,通常のトラフィックパターンを正確に識別しつつ,DoS,プローブ,R2L,U2Rなどの攻撃カテゴリを効果的に識別する。
論文 参考訳（メタデータ） (2025-03-04T22:33:37Z) - Application of Machine Learning Techniques for Secure Traffic in NoC-based Manycores [44.99833362998488]
本論文は,NoCベースのマルチコアシステムにおけるDoS攻撃を検出するために,機械学習と時系列を用いたIDS手法を探索する。
マルチコアNoCからトラフィックデータを抽出し,抽出したデータから学習手法を実行する必要がある。
開発されたプラットフォームは、低レベルのプラットフォームでデータを検証します。
論文 参考訳（メタデータ） (2025-01-21T10:58:09Z) - Preliminary study on artificial intelligence methods for cybersecurity threat detection in computer networks based on raw data packets [34.82692226532414]
本稿では,ネットワークトラフィック内の生パケットデータから直接リアルタイムに攻撃を検知できるディープラーニング手法について検討する。
コンピュータビジョンモデルを用いた処理に適した2次元画像表現を用いて,パケットをウィンドウに積み重ねて別々に認識する手法を提案する。
論文 参考訳（メタデータ） (2024-07-24T15:04:00Z) - Intrusion Detection Systems Using Support Vector Machines on the
KDDCUP'99 and NSL-KDD Datasets: A Comprehensive Survey [6.847009696437944]
我々は、サイバーセキュリティにおいて最も広く使われている2つのデータセット、すなわちKDDCUP'99とNSL-KDDデータセットで評価された研究に焦点を当てた。
本稿では,SVMの役割や研究に関わるアルゴリズムについて,各手法の概要について述べる。
論文 参考訳（メタデータ） (2022-09-12T20:02:12Z) - Robustness Evaluation of Deep Unsupervised Learning Algorithms for
Intrusion Detection Systems [0.0]
本稿では, 汚染データに対する侵入検出のための6つの最新のディープラーニングアルゴリズムの堅牢性を評価する。
本研究で用いた最先端のアルゴリズムは,データ汚染に敏感であり,データ摂動に対する自己防衛の重要性を明らかにしている。
論文 参考訳（メタデータ） (2022-06-25T02:28:39Z) - Security of Distributed Machine Learning: A Game-Theoretic Approach to
Design Secure DSVM [31.480769801354413]
この研究は、データ中毒やネットワーク攻撃から学習を保護するために、セキュアな分散アルゴリズムを開発することを目的としている。
我々は,分散サポートベクトルマシン(SVM)を使用する学習者と,トレーニングデータやラベルを変更することができる攻撃者の相反する目標を捉えるためのゲーム理論の枠組みを確立する。
数値的な結果から,分散SVMは異なるタイプの攻撃で失敗する傾向にあり,ネットワーク構造や攻撃能力に強い依存があることが分かる。
論文 参考訳（メタデータ） (2020-03-08T18:54:17Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳（メタデータ） (2020-01-27T11:21:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。