DETECCIÓN DE INTRUSOS MEDIANTE SELECCIÓN DE CARACTERÍSTICAS E HIBRIDACIÓN

Hoy en día es muy importante mantener un alto nivel de seguridad para garantizar una comunicación segura y fiable de la información entre varias organizaciones. Sin embargo, la comunicación segura de datos a través de Internet y de cualquier otra red está siempre bajo la amenaza de intrusiones y usos indebidos. Sin duda, se utiliza una amplia gama de tecnologías de seguridad, como el cifrado de la información, el control de acceso y la prevención de intrusiones, para proteger los sistemas basados en la red, pero todavía hay muchas intrusiones no detectadas.Este proyecto presenta una visión general de la detección de intrusiones y un algoritmo de clasificación híbrido basado en naïve baye y K Nearest neighbour. El conjunto de datos se pasa primero por el baye ingenuo para su clasificación, generando las probabilidades previas y condicionales para cada ejemplo del conjunto de datos. Si hay una clasificación errónea, el ejemplo se pasa al KNN, que clasifica la vecindad del ejemplo y los ejemplos resultantes se ponderan utilizando la similitud de cada vecino del ejemplo, si el Sim(X,Dj) es igual a 1, entonces X es normal; de lo contrario, el algoritmo encuentra el K Sim(X,Dj) más grande y lo comprueba con un criterio de parada (umbral).