Jyväskylän yliopisto | JYX-julkaisuarkisto

  • suomi  | Anna palautetta |
    • suomi
    • English
 
  • Kirjaudu
JavaScript is disabled for your browser. Some features of this site may not work without it.
Näytä aineisto 
  • JYX
  • Artikkelit
  • Informaatioteknologian tiedekunta
  • Näytä aineisto
JYX > Artikkelit > Informaatioteknologian tiedekunta > Näytä aineisto

Combining conjunctive rule extraction with diffusion maps for network intrusion detection

ThumbnailAccepted version
Katso/Avaa
431.2Kb

Lataukset:  
Show download detailsHide download details  
Juvonen, A., & Sipola, T. (2013). Combining conjunctive rule extraction with diffusion maps for network intrusion detection. In The Eighteenth IEEE Symposium on Computers and Communications (pp. 411-416). Piscataway: IEEE. doi:10.1109/ISCC.2013.6754981
Julkaistu sarjassa
International Symposium on Computers and Communications
Tekijät
Juvonen, Antti |
Sipola, Tuomo
Päivämäärä
2013
Oppiaine
Tietotekniikka
Tekijänoikeudet
© 2013 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses. This is the authors’ postprint version of the article. The original print version appeared as: A. Juvonen and T. Sipola, “Combining conjunctive rule extraction with diffusion maps for network intrusion detection,” in In The Eighteenth IEEE Symposium on Computers and Communications (ISCC 2013). IEEE 2013.

 
Network security and intrusion detection are important in the modern world where communication happens via information networks. Traditional signature-based intrusion detection methods cannot find previously unknown attacks. On the other hand, algorithms used for anomaly detection often have black box qualities that are difficult to understand for people who are not algorithm experts. Rule extraction methods create interpretable rule sets that act as classifiers. They have mostly been combined with already labeled data sets. This paper aims to combine unsupervised anomaly detection with rule extraction techniques to create an online anomaly detection framework. Unsupervised anomaly detection uses diffusion maps and clustering for labeling an unknown data set. Rule sets are created using conjunctive rule extraction algorithm. This research suggests that the combination of machine learning methods and rule extraction is a feasible way to implement network intrusion detection that is meaningful to network administrators. ...
Julkaisija
IEEE
Kuuluu julkaisuun
The Eighteenth IEEE Symposium on Computers and Communications
ISSN Hae Julkaisufoorumista
1530-1346
Asiasanat
tunkeutumisen havaitseminen poikkeavuuden havaitseminen n-grammi sääntöjen erottaminen diffuusiokartta tiedon louhinta koneoppiminen intrusion detection anomaly detection n-gram rule extraction diffusion map data mining machine learning
DOI
10.1109/ISCC.2013.6754981
URI

http://urn.fi/URN:NBN:fi:jyu-201404031456

Metadata
Näytä kaikki kuvailutiedot
Kokoelmat
  • Informaatioteknologian tiedekunta [1279]
  • Selaa aineistoja
  • Selaa aineistoja
  • Artikkelit
  • E-kirjat
  • Esitelmät ja posterit
  • Historialliset kartat
  • Julkaisusarjat
  • Konferenssit ja seminaarit
  • Lehdet
  • Opinnäytteet
  • Oppimateriaalit
  • Nuotit ja musiikki
  • Tutkimusdata
  • Tutkimusraportit
  • Valokuvat

Selaa

Kaikki aineistotKokoelmaluetteloJulkaisupäivätTekijätAsiasanatJulkaistuLaitosOppiaine

Omat tiedot

Kirjaudu sisään

Tilastot

Tarkastele käyttötilastoja
  • Kuinka julkaista JYXissä?
  • Rinnakkais­tallentaminen
  • Opinnäytteiden julkaisu
  • Väitöskirjojen julkaisu
  • Julkaisupalvelut

Avoin tiede JYU:ssa
 
Tietosuojailmoitus

Saavutettavuusseloste
Open Science Centre