Fusion de données pour la détection des intrusions dans les réseaux : une revue

Le progrès rapide des technologies de mise en réseau entraîne une croissance exponentielle du nombre d'actions non autorisées ou malveillantes sur les réseaux. En tant que composant de la défense en profondeur, le Système de Détection des Intrusions Réseau (NIDS) est censé détecter les comportements malveillants. Actuellement, les NIDS sont mis en œuvre par diverses techniques de classification, mais ces techniques ne sont pas suffisamment avancées pour détecter avec précision des attaques complexes ou synthétiques, en particulier face à de vastes données de haute dimension. De plus, les défauts inhérents des NIDS, à savoir, le taux de faux positifs élevé et le faible taux de détection, n'ont pas été résolus de manière efficace. Afin de résoudre ces problèmes, la fusion de données (DF) a été appliquée à la détection des intrusions réseau et a obtenu de bons résultats. Cependant, la littérature manque encore d'une analyse et d'une évaluation approfondies des techniques de fusion de données dans le domaine de la détection d'intrusion. Par conséquent, il est nécessaire de mener une revue complète à ce sujet. Dans cet article, nous nous concentrons sur les techniques de DF pour la détection des intrusions réseau et proposons une définition spécifique pour les décrire. Nous passons en revue les avancées récentes des techniques de DF et proposons une série de critères pour comparer leur performance. Enfin, sur la base des résultats de la revue de la littérature, un certain nombre de problèmes ouverts et de directions futures de recherche sont proposés à la fin de ce travail.