Classificador Naïve Bayes e Método de Seleção de Características com Otimização por Enxame de Partículas para Classificação de Conjuntos de Dados de Sistemas de Detecção de Intrusões

Resumo A segurança de uma rede pode ser ameaçada por uma intrusão com o objetivo de roubar dados classificados ou encontrar fraquezas na rede. Em geral, os principais sistemas de segurança de redes utilizam um firewall para controlar e monitorar tanto o tráfego de rede de entrada quanto o de saída. Um Sistema de Detecção de Intrusões pode ser utilizado para fortalecer a segurança da rede. Vários métodos de mineração de dados foram utilizados para resolver o problema do Sistema de Detecção de Intrusões (IDS) em uma rede. Neste artigo, utilizaremos o Classificador Naïve Bayes juntamente com a Otimização por Enxame de Partículas (PSO) como o método de seleção de características, especificamente em um dos conjuntos de dados de referência sobre o problema do IDS, KDD CUP’99. O conjunto de dados consiste em mais de 40 características com mais de 400 mil registros. Para resolver o problema do IDS nesse conjunto de dados, é necessário um custo bastante elevado, seja em tempo de cálculo ou uso de memória, daí a utilização do PSO como método de seleção de características. O melhor resultado de classificação foi alcançado quando utilizamos 38 características, onde a acurácia é de 99,12%. O método de Otimização por Enxame de Partículas possui vários parâmetros que podem afetar o desempenho da classificação. Para melhorias futuras, é possível utilizar um método de otimização de parâmetros para garantir o melhor desempenho do classificador.