[논문 리뷰] Feature Selection-based Intrusion Detection System Using Genetic Whale Optimization Algorithm and Sample-based Classification

Amir Mojtahedi, Farid Sorouri외 3명|arXiv (Cornell University)|2022. 01. 03.

Network Security and Intrusion Detection인용 수 7

한 줄 요약

이 논문은 유전 알고리즘(GA)과 고래 떼 최적화 알고리즘(WOA)을 조합한 하이브리드 특성 선택 및 분류 방법을 제안하여 무선 센서 네트워크에서 침입 탐지에 활용한다. 최적의 특성 조합을 선택한 후 K-가까운 이웃(KNN) 분류기를 사용하여, KDDCUP1999 데이터셋에서 이전 방법보다 높은 정확도를 달성한다. 이는 최적화된 특성 조합을 통해 악성 노드를 효과적으로 식별함으로써 실현된다.

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.

연구 동기 및 목표

• 지속적인 모니터링이 불가능한 자원 제약이 있는 무선 센서 네트워크에서 침입을 탐지하는 데 도전 과제를 해결하기 위해.
• 네트워크 트래픽 데이터에서 가장 관련성이 높은 특성만 선택하여 계산 오버헤드를 줄이기 위해.
• 고래 떼 최적화 알고리즘(WOA)의 전역 탐색 능력과 유전 알고리즘(GA)의 국소 탐색 강점을 조합하여 탐지 정확도를 향상시키기 위해.
• 무선 네트워크에서 악성 노드 행동을 탐지하고 예측할 수 있는 원격 모니터링 시스템을 개발하기 위해.
• 표준 기준을 사용하여 기존 침입 탐지 시스템과의 성능을 평가하기 위해.

제안 방법

• 제안된 시스템은 고래 떼 최적화 알고리즘(WOA)과 유전 알고리즘(GA)을 조합한 하이브리드 최적화 기법을 특성 선택에 사용한다.
• WOA는 적합도 평가 기반으로 검색 공간을 탐색하고 유망한 특성 조합을 식별하는 데 사용된다.
• GA는 WOA가 발견한 해를 정밀하게 다듬어 수렴성을 향상시키고 국소 최적해를 피하는 데 통합된다.
• 선택된 특성들은 이후 침입 탐지용 K-가까운 이웃(KNN) 분류기에 입력된다.
• 특성 선택을 위한 적합도 함수는 분류 정확도에 기반하며, 탐지 성능을 최대화하는 것을 목표로 한다.
• 기준으로 사용된 KDDCUP1999 데이터셋은 공격 유형에 따라 특성이 정상 또는 악성으로 레이블링되어 있다.

실험 결과

연구 질문

• RQ1 하이브리드 GA-WOA 알고리즘이 침입 탐지에 적합한 특성을 선택하는 데 있어 단독 메타휴리스틱 방법보다 뛰어난 성능을 보일 수 있는가?
• RQ2 GA를 WOA에 통합함으로써 네트워크 침입 탐지에서 특성 선택의 정확도와 효율성이 어떻게 향상되는가?
• RQ3 KNN 분류기가 최적화된 특성 조합을 통해 악성 활동 탐지에 얼마나 유리한가?
• RQ4 제안된 시스템은 KDDCUP1999 데이터셋에서 기존 침입 탐지 방법보다 더 높은 탐지 정확도를 달성하는가?
• RQ5 자원 제약이 있는 무선 센서 네트워크에서 시스템은 악성 노드 행동을 탐지하고 예측할 수 있는가?

주요 결과

• 제안된 GA-WOA 특성 선택 방법은 KDDCUP1999 데이터셋에서 이전 방법보다 분류 정확도가 유의미하게 향상된다.
• 하이브리드 최적화 기법은 데이터셋의 차원을 줄이면서도 중요한 분류 특징을 유지하는 데 효과적이다.
• KNN 분류기는 GA-WOA 알고리즘에 의해 선택된 특성 조합을 적용했을 때 높은 탐지 정확도를 달성한다.
• 시스템은 DoS, Probe, U2R와 같은 다양한 유형의 네트워크 공격을 식별하는 데 뛰어난 성능을 보인다.
• WOA와 GA의 조합은 수렴 속도와 해의 질을 향상시켜 단독으로 사용된 WOA 또는 GA보다 특성 선택에서 뛰어난 성능을 발휘한다.
• 효율성과 줄어든 특성 수 덕분에 제안된 방법은 자원 제약이 있는 무선 센서 네트워크에 구현하기에 적합하다.