Avaliando o desempenho dos algoritmos de mineração de dados para IDS

Evaluating the performance of data mining algorithms for IDS

Abstract

O crescente número de dispositivos de rede requer ferramentas eficientes para proteger seus recursos. Uma estratégia é utilizar sistemas de detecção de intrusão (IDS). Esta estratégia requer uma boa classificação dos tipos de intrusão que as redes monitoradas por eles sofrem, com isso é possível procurar analisar os dados a fim de encontrar estratégias para proteger e/ou prevenir ataques. Neste sentido, este trabalho apresenta três algoritmos de mineração de dados para classificar ou não as diferentes atividades maliciosas, a saber, Naive Bayes, Random Forest e KNN. Também abordando um conjunto de estratégias de pré-processamento de dados, a fim de gerar soluções de melhor qualidade. Os resultados mostram que os algoritmos Random Forest e KNN têm soluções com alto valor de qualidade, enquanto Naive Bayes mostra uma eficiência relevante no baixo custo do tempo de execução.