민감도 기반 가중 이진화가 적용된 반부스트 중첩 모델을 통한 다중 도메인 네트워크 침입 탐지

진화하는 사이버 보안 위협을 저지하기 위해 효과적인 네트워크 침입 탐지 기술이 필요하다. 역사적으로, 전통적인 기업 네트워크는 이와 관련하여 광범위하게 연구되어 왔다. 그러나 사이버 위협 환경은 무선 네트워크를 포함하도록 확대되었다. 본 기사에서는 완전히 다른 특징 집합으로 훈련될 수 있으며, 두 가지 뚜렷한 침입 탐지 응용 프로그램(전통적인 기업 네트워크와 802.11 무선 네트워크)에 적용될 수 있는 새로운 모델을 제시한다. 이는 앞서 언급한 두 응용 프로그램 모두에서 우수한 성능을 나타내는 첫 번째 방법이다. 이 모델은 여러 개의 중첩된 하위 앙상블로 구성된 일대 다수 이진 프레임워크를 기반으로 한다. 좋은 일반화 능력을 제공하기 위해 각 하위 앙상블은 하위 학습자 모음으로 구성되며, 하위 학습자 중 일부만 부스팅을 구현한다. 클래스 별 하위 앙상블에는 훈련 데이터에서만 학습한 민감도 메트릭(진양성 비율)을 기반으로 한 클래스 가중치가 부여된다. 전체 시스템 성능에 기여하지 않거나 부정적인 영향을 미치는 하위 학습자를 제거하기 위한 가지치기(pruning) 사용이 조사된다. 연구 결과, 제안된 시스템은 전통적인 기업 침입 탐지와 802.11 무선 침입 탐지 응용 프로그램 모두에서 뛰어난 성능을 달성할 수 있음을 보여준다.