ネットワーク侵入監視のためのカーネル密度推定（SVDD-KDE）制御図によるサポートベクターデータ記述

多変量制御図は多くの分野で適用されています。この方法を用いている分野の1つはネットワーク侵入検知です。しかし、従来の制御図は要求される正規分布に従わないネットワークトラフィックデータの監視に困難を抱えることから問題が生じます。その結果、ネットワークトラフィックデータを検査する際により多くの誤警報が発生します。この問題を解決するために、サポートベクターデータ記述（SVDD）が提案されています。SVDD距離に基づく制御図は、非正規分布や未知の分布にも適用できます。カーネル密度推定（KDE）は、非パラメトリック制御図の制御限界を推定するために適用できる非パラメトリックアプローチです。これらの事実に基づいて、統合SVDDとKDE（SVDD-KDE）に基づく多変量チャートがネットワークの異常を監視するために提案されます。シミュレーションは合成データセットを使用して、SVDD-KDEチャートが多変量データシフトや外れ値を検出する性能を検証します。シミュレーション結果に基づき、提案された方法はシフトの検出においてより良い性能を示し、外れ値の検出においてより高い精度を示します。さらに、提案された方法は侵入検知システム（IDS）に適用され、ネットワーク攻撃を監視します。NSL-KDDデータがベンチマークデータセットとして分析されます。SVDD-KDEチャートと他のIDSベースの制御図、機械学習アルゴリズムの比較が実行されます。高い計算コストがあるにもかかわらず、結果はSVDD-KDEチャートに基づくIDSが0.917の高精度と0.915のAUCを示し、いくつかのアルゴリズムと比較して低い偽陽性率をもたらすことを示しています。