0% Complete
English
صفحه اصلی
/
سیزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش
Ensemble Model Based on an Improved Convolutional Neural Network with a Domain-agnostic Data Augmentation Technique
نویسندگان :
Faraz Fatahnaie
1
Armin Azhdehnia
2
Seyyed Amir Asghari
3
Mohammadreza Binesh Marvasti
4
1- دانشگاه خوارزمی
2- دانشگاه گیلان
3- دانشگاه خوارزمی
4- دانشگاه خوارزمی
کلمات کلیدی :
Intrusion Detection System،NSL-KDD،Deep Learning،Ensemble Learning،Random Under Sampling،Data Augmentation
چکیده :
With the increase of online activities and the growing number of online services, various cyber threats pose a significant challenge to Network Intrusion Detection systems (NIDS). To face these threats, available imbalance sources made researchers develop resampling techniques to have a balance training process. In this paper, a domain-agnostic data augmentation approach followed by random under sampling is used to achieve credible generalized and robust IDS. Moreover, the framework benefits from the potentiality of deep learning models to extract more meaningful features. The final model of the paper was obtained after the ensemble of three improved convolutional neural networks. Each model is trained on a specific subset of NSL-KDD dataset which is generated by the resampling method. The simulation results illustrate that the model achieves an accuracy of 83.3% which is 6.5% higher, when the original dataset is used.
لیست مقالات
لیست مقالات بایگانی شده
Stock Market Prediction Using Hard and Soft Data Fusion
Saeed Mohammadi Dashtaki - Masoud Alizadeh - Behzad Moshiri
رویکردی در تشخیص خودکار بوهای بد در مدل های معماری سازمانی با استفاده از تحلیل گرافی
زهرا رحیمی تمندگانی - شهره آجودانیان
ارائه تکنیک یادگیری چندهسته ای مبتنی بر روش بهینه سازی برای مسئله دسته بندی سیگنال های EEG مبتنی بر تصور حرکتی
یوکابد امیری - حسام عمرانپور
تحلیل سازههای موثر بر پذیرش فناوری بلاکچین و استفاده از آن در صنعت بیمه ایران با استفاده از تکنیک معادلات ساختاری (مطالعه موردی: شرکت کارگزاری رسمی بیمه زندگی خوب)
احسان هنری - آفرین اخوان
Generalized Self-Attentive Spatiotemporal GCN with OPTICS Clustering for Recommendation Systems
Saba Zolfaghari - Seyed Mohammad Hossein Hasheminejad
Using Trust Statements and Ratings by GraphSAGE to Alleviate Cold Start in Recommender Systems
Seyedeh Niusha Motevallian - Dr Seyed Mohammad Hossein Hasheminejad
DynamicEvoStream : خوشه بندی پویای جریان داده تکاملی در زمانهای بیکاری
زهرا عمیقی - مرتضی یوسف صنعتی - میرحسین دزفولیان
IoT-Driven Water Quality Management System using Deep Q-Network
Shakiba Rajabi - Komeil Moghaddasi
A Comparison between Slimed Network and Pruned Network for Head Pose Estimation
Amir Salimiparsa - Hadi Veisi - Mohammad-shahram Moin
A Comparative Evaluation of Machine Learning Models for Anomaly-Based IDS in IoT Networks
Seyed Amir Mousavi - Mostafa Sadeghi - Mohammad Sadeq Sirjani
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.0.3