기계 학습 기법을 사용하여 UNSW‐NB15 데이터셋의 희귀 사이버 공격 식별

초록 본 논문은 하이브리드 특징 선택 프로세스와 분류 기법을 사용하여 UNSW‐NB15 데이터셋에서 사이버 공격을 분류한다. k-평균 클러스터링과 상관 기반 특징 선택의 조합을 통해 최적의 특징 하위 집합을 도출한 후, 확률적 방법인 나이브 베이즈(NB)와 결정 트리(J48) 기반의 두 가지 분류 기법을 사용하였다. 우리의 결과는 이 하이브리드 특징 선택 방법이 NB 모델과 결합되어 대부분의 공격, 특히 희귀 공격의 분류 정확도를 향상시킬 수 있었음을 보여준다. 허위 경고율은 대부분의 공격에서, 특히 희귀 공격에서 낮아졌다. 그러나 J48 결정 트리 모델은 특징 선택과 결합했을 때 성능이 향상되지 않았으며, 특징 선택 유무에 관계없이 모든 공격 가족에 대한 분류율이 이미 매우 높았다.