网络入侵检测系统数据集的标准特征集
摘要：基于NetFlow的标准网络入侵检测系统特征集评估 基于机器学习的网络入侵检测系统（Network Intrusion Detection Systems，NIDSs）是保护计算机网络免受越来越频繁和复杂的网络攻击的重要工具。最近，大量的研究努力已经致力于基于机器学习的NIDSs的开发。与任何基于机器学习的应用程序一样，高质量数据集的可用性对于训练和评估基于机器学习的NIDSs至关重要。当前可用数据集的一个关键问题是缺乏标准的特征集。对于每个公开可用的数据集使用独特和专有的特征集，几乎不可能比较不同数据集上基于机器学习的流量分类器的性能，从而评估这些系统在不同网络场景中泛化的能力。为了解决这个限制，本文提出并评估基于NetFlow网络元数据收集协议和系统的标准NIDS特征集。我们评估并比较两个基于NetFlow的特征集变体，一个版本有12个特征，另一个版本有43个特征。
作者：Mohanad Sarhan, Siamak Layeghy, Marius Portmann
论文ID：2101.11315
分类：Networking and Internet Architecture
分类简称：cs.NI
提交时间：2023-05-12