ネットワーク侵入検知システムのためのランダムフォレストモデリング

技術の使用が増加する中で、侵入検知は新たな研究領域となりました。侵入検知システム（IDS）は、ユーザーの活動を正常または異常として識別し通知しようとします。IDSは非線形で複雑な問題であり、ネットワークトラフィックデータを扱います。多くのIDS手法が提案されており、異なる精度レベルを生成します。したがって、効果的で頑健な侵入検知システムの開発が必要です。本論文では、ランダムフォレスト分類器を使用して侵入検知システムのモデルを構築しました。ランダムフォレスト（RF）はアンサンブル分類器であり、効果的な攻撃の分類に対して他の従来の分類器と比較して優れた性能を発揮します。モデルの性能を評価するために、NSL-KDDデータセットで実験を行いました。実証結果は、提案されたモデルが低い誤報率と高い検出率で効率的であることを示しています。