Fuzzy-ART in network anomaly detection with feature-reduction dataset
Conference proceedings article
ผู้เขียน/บรรณาธิการ
กลุ่มสาขาการวิจัยเชิงกลยุทธ์
ไม่พบข้อมูลที่เกี่ยวข้อง
รายละเอียดสำหรับงานพิมพ์
รายชื่อผู้แต่ง: Ngamwitthayanon N., Wattanapongsakorn N.
ผู้เผยแพร่: Hindawi
ปีที่เผยแพร่ (ค.ศ.): 2011
หน้าแรก: 116
หน้าสุดท้าย: 121
จำนวนหน้า: 6
ISBN: 9788988678428
eISSN: 1745-4557
ภาษา: English-Great Britain (EN-GB)
บทคัดย่อ
The validation of Fuzzy-Adaptive Resonance Theory (Fuzzy-ART or F-ART) was made in our work on Network Anomaly Intrusion Detection (NAID) application. Feature reduction of KDD 99 dataset was applied to the F-ART model and produced superior performance. We found the effectiveness of FART on clustering data instances into normal and anomalous traffic. The detection performance was clearly improved compare to the detection with the full-feature dataset. The results validated the capability of F-ART with one shot fast learning on the effectiveness of this adaptive learning algorithm along with the robustness and fast response that can provide a real-time network anomaly detection. ฉ 2011 AICIT.
คำสำคัญ
ไม่พบข้อมูลที่เกี่ยวข้อง
ติดต่อสอบถามเพิ่มเติมได้ที่