Fine-Tuning CNN-BiGRU for Intrusion Detection with SMOTE Optimization Using Optuna

Asmaa Benchama; Khalid Zebbara

doi:10.56294/sctconf2024968

Original

Published: 2024-06-29

DOI: https://doi.org/10.56294/sctconf2024968

Ajuste Fino de CNN-BiGRU para Detección de Intrusos con Optimización SMOTE Utilizando Optuna

Resumen

La seguridad de redes enfrenta un desafío significativo en el desarrollo de modelos efectivos para la detección de intrusiones dentro de los sistemas de red. Los Sistemas de Detección de Intrusos en Red (NIDS) son vitales para proteger el tráfico de red y prevenir posibles ataques mediante la identificación de firmas y violaciones de reglas.
Esta investigación tiene como objetivo mejorar la detección de intrusiones utilizando técnicas de aprendizaje profundo, particularmente mediante el empleo del conjunto de datos NSLKDD para entrenar y evaluar un algoritmo híbrido CNN-BiGRU. Además, utilizamos la Técnica de Sobremuestreo Sintético de Minorías (SMOTE) para abordar datos desequilibrados y Optuna para ajustar finamente los parámetros del algoritmo específicos para los requisitos de NIDS.
El algoritmo híbrido CNN-BiGRU se entrena y evalúa en el conjunto de datos NSLKDD, incorporando SMOTE para abordar problemas de datos desequilibrados. Optuna se utiliza para optimizar los parámetros del algoritmo para mejorar el rendimiento en la detección de intrusiones.
Los resultados experimentales demuestran que nuestro enfoque supera a los modelos clásicos de detección de intrusiones. Alcanzando una notable tasa de precisión del 98.83% en NSLKDD, el modelo propuesto sobresale en la identificación de ataques minoritarios mientras mantiene una baja tasa de falsos positivos.
Los hallazgos confirman la eficacia de nuestro enfoque propuesto en la detección de intrusiones en redes, mostrando su capacidad para discernir efectivamente patrones en el tráfico de red y superar a los modelos tradicionales.

Keywords:

Cnn-Bigru,

Nslkdd,

Nids,

Smote,

Optimizador de hiperparámetros,

Cómo citar

Benchama A, Zebbara K. Ajuste Fino de CNN-BiGRU para Detección de Intrusos con Optimización SMOTE Utilizando Optuna. Salud, Ciencia y Tecnología - Serie de Conferencias [Internet]. 29 de junio de 2024 [citado 6 de julio de 2024];3:968. Disponible en: https://conferencias.saludcyt.ar/index.php/sctconf/article/view/968

Aviso de derechos de autor/a

Este artículo se distribuye bajo la licencia Creative Commons Attribution 4.0 License. A menos que se indique lo contrario, el material publicado asociado se distribuye bajo la misma licencia.

Article metrics

Google scholar: See link

Métricas

Cargando métricas ...

Vol. 3 (2024)

See full issue

Revistas / Journals

Números

Acerca de

Directrices para autores/as