Improved off-line intrusion detection using a Genetic Algorithm

Uno de los enfoques principales para el problema cada vez más importante de la seguridad informática es el sistema de detección de intrusiones. Se han propuesto varias arquitecturas y enfoques, entre ellos: enfoques estadísticos basados ​​en reglas; Redes neuronales; Sistema inmune; Algoritmos genéticos; y programación genética. Este documento se centra en el desarrollo de un sistema de detección de intrusiones fuera de línea para analizar un archivo de seguimiento de auditoría de Sun. La detección de intrusiones fuera de línea se puede lograr mediante la búsqueda de registros de seguimiento de auditoría de las actividades del usuario en busca de coincidencias con los patrones de eventos necesarios para ataques conocidos. Dado que dicha búsqueda es NP-completa, será necesario emplear métodos heurísticos a medida que crezcan las bases de datos de eventos y ataques. Los algoritmos genéticos pueden proporcionar métodos de búsqueda heurísticos apropiados. Sin embargo, equilibrar la necesidad de detectar todos los posibles ataques que se encuentran en una pista de auditoría con la necesidad de evitar falsos positivos (advertencias de ataques que no existen) es un desafío, dados los valores de aptitud escalar que requieren los algoritmos genéticos. Este estudio analiza una función de aptitud independiente de los parámetros variables para superar este problema. Esta función de aptitud permite que el IDS reduzca significativamente su tasa de falsos positivos y falsos negativos. Este documento también describe la extensión del sistema para tener en cuenta la posibilidad de que las intrusiones sean mutuamente excluyentes o no mutuamente excluyentes.

• Autores: Hougen, Dean Frederick; Diaz Gomez, Pedro A.
• Tipo de recurso: Article of journal
• Fecha de publicación: 2005
• Institución: Universidad El Bosque
• Repositorio: Repositorio U. El Bosque
• Idioma: eng
• OAI Identifier: oai:repositorio.unbosque.edu.co:20.500.12495/5282
• Acceso en línea: http://hdl.handle.net/20.500.12495/5282; https://doi.org/10.5220/0002553100660073
• Palabra clave: Algoritmos genéticos; Detección de intrusiones; Detección de mal uso; Detección de intrusiones fuera de línea; Genetic algorithms; Intrusion detection; Misuse detection; Off-line intrusion detection
• Rights: openAccess
• License: Acceso abierto