[論文レビュー] Feature Selection-based Intrusion Detection System Using Genetic Whale Optimization Algorithm and Sample-based Classification

Amir Mojtahedi, Farid Sorouri+3 more|arXiv (Cornell University)|Jan 3, 2022

Network Security and Intrusion Detection被引用数 7

ひとこと要約

本稿では、組み合わせた遺伝的アルゴリズム（GA）とマッコリアザラシ最適化アルゴリズム（WOA）を用いて最適な特徴を選択し、その後にK-近傍法（KNN）分類を適用することで、無線センサーネットワークにおける不正検出のためのハイブリッド特徴選択および分類手法を提案する。この手法は、KDDCUP1999データセットにおいて、最適化された特徴サブセットを通じて不正なノードを効果的に同定することにより、従来の手法よりも高い精度を達成する。

ABSTRACT

Preventing and detecting intrusions and attacks on wireless networks has become an important and serious challenge. On the other hand, due to the limited resources of wireless nodes, the use of monitoring nodes for permanent monitoring in wireless sensor networks in order to prevent and detect intrusion and attacks in this type of network is practically non-existent. Therefore, the solution to overcome this problem today is the discussion of remote-control systems and has become one of the topics of interest in various fields. Remote monitoring of node performance and behavior in wireless sensor networks, in addition to detecting malicious nodes within the network, can also predict malicious node behavior in future. In present research, a network intrusion detection system using feature selection based on a combination of Whale optimization algorithm (WOA) and genetic algorithm (GA) and sample-based classification is proposed. In this research, the standard data set KDDCUP1999 has been used in which the characteristics related to healthy nodes and types of malicious nodes are stored based on the type of attacks in the network. The proposed method is based on the combination of feature selection based on Whale optimization algorithm and genetic algorithm with KNN classification in terms of accuracy criteria, has better results than other previous methods. Based on this, it can be said that the Whale optimization algorithm and the genetic algorithm have extracted the features related to the class label well, and the KNN method has been able to well detect the misconduct nodes in the intrusion detection data set in wireless networks.

研究の動機と目的

• 連続的な監視が現実的でないリソース制約のある無線センサーネットワークにおける不正検出の課題に対処すること。
• ネットワークトラフィックデータから最も関連性の高い特徴のみを選択することで、計算負荷を低減すること。
• マッコリアザラシ最適化アルゴリズム（WOA）のグローバルサーチ能力と遺伝的アルゴリズム（GA）のローカルサーチの強みを組み合わせることで、検出精度を向上させること。
• リモート監視システムを構築し、無線ネットワークにおける不正ノード行動の検出と予測を可能にすること。
• 標準ベンチマークを用いて、提案手法の性能を既存の不正検出システムと比較すること。

提案手法

• 提案されたシステムは、マッコリアザラシ最適化アルゴリズム（WOA）と遺伝的アルゴリズム（GA）を組み合わせたハイブリッド最適化手法を用いて特徴選択を行う。
• WOAは探索空間を走査し、適合度評価に基づいて有望な特徴サブセットを特定するために使用される。
• GAはWOAが発見した解を精緻化するために統合され、収束性の向上と局所最適解の回避に寄与する。
• 選択された特徴は、その後、不正検出のためのK-近傍法（KNN）分類器に供給される。
• 特徴選択の適合度関数は分類精度に基づき、検出性能を最大化することを目的としている。
• ベンチマークとしてKDDCUP1999データセットが使用され、攻撃タイプに応じて特徴が「通常」または「不正」にラベル付けされる。

実験結果

リサーチクエスチョン

• RQ1 ハイブリッドGA-WOAアルゴリズムは、個別のメタヒューリスティック手法よりも、不正検出のための関連特徴の選択において優れた性能を示すか？
• RQ2 GAをWOAと統合することで、ネットワーク不正検出における特徴選択の精度と効率性はどのように向上するか？
• RQ3 KNN分類器は、最適化された特徴サブセットを用いることで、不正活動の検出においてどの程度の利益を得られるか？
• RQ4 提案されたシステムは、KDDCUP1999データセットにおいて、既存の不正検出手法よりも高い検出精度を達成するか？
• RQ5 リソース制限のある無線センサーネットワークにおいて、本システムは不正ノード行動を検出および予測できるか？

主な発見

• 提案されたGA-WOA特徴選択手法は、KDDCUP1999データセットにおいて、従来の手法と比較して分類精度が顕著に向上した。
• ハイブリッド最適化手法は、データセットの次元数を効果的に低減するとともに、重要な判別特徴を保持した。
• GA-WOAアルゴリズムが選択した特徴サブセットを用いることで、KNN分類器は高い検出精度を達成した。
• システムは、DoS、Probe、U2Rを含むさまざまな種類のネットワーク攻撃を識別する上で優れた性能を示した。
• WOAとGAの組み合わせにより、収束速度と解の品質が向上し、単独でのWOAまたはGAを上回る特徴選択性能を発揮した。
• 本手法は、その効率性と削減された特徴セットの特性から、リソース制限のある無線センサーネットワークへの展開に適している。