अनियमितता आधारित घुसपैठ पहचान समाधानों के लिए मानक

अनियमितता आधारित घुसपैठ पहचान प्रणाली (IDS) समय के साथ बढ़ती लोकप्रियता प्राप्त कर चुकी हैं। कई प्रस्तावित अनियमितता आधारित प्रणालियाँ विभिन्न मशीन लर्निंग (ML) एल्गोरिदम और तकनीकों का उपयोग कर रही हैं, हालांकि इनके बीच तुलनात्मक उपायों के आधार पर तुलना करने के लिए कोई मानक मानदंड नहीं है। इस पेपर में, हम एक मानदंड का प्रस्ताव करते हैं जो सटीकता और प्रदर्शन दोनों को मापता है ताकि उद्देश्यमूलक मीट्रिक प्राप्त किए जा सकें जो प्रत्येक एल्गोरिदम कार्यान्वयन के मूल्यांकन में उपयोग हो सकें। हम फिर इस मानदंड का उपयोग चार विभिन्न अनियमितता आधारित IDS समाधानों की सटीकता और प्रदर्शन की तुलना के लिए करते हैं जो विभिन्न ML एल्गोरिदम पर आधारित हैं। इनमें नाइव बेयेस, सपोर्ट वेक्टर मशीन, न्यूरल नेटवर्क और K-मीन्स क्लस्टरिंग शामिल हैं। मानदंड मूल्यांकन लोकप्रिय NSL-KDD डेटासेट पर किया गया है। प्रयोगात्मक परिणाम डेटा सेट पर इन अनियमितता आधारित IDS समाधानों के बीच सटीकता और प्रदर्शन में अंतर दिखाते हैं। परिणाम यह भी दर्शाते हैं कि इस मानदंड का उपयोग ऐसे तुलना के लिए उपयोगी मीट्रिक बनाने के लिए कैसे किया जा सकता है।