Modification of a Density-Based Spatial Clustering Algorithm for Applications with Noise for Data Reduction in Intrusion Detection Systems

Wiharto; Aditya K. Wicaksana; Denis E. Cahyani

doi:10.5391/IJFIS.2021.21.2.189

Modification of a Density-Based Spatial Clustering Algorithm for Applications with Noise for Data Reduction in Intrusion Detection Systems

Recommendations

Search

Questions

Type: Academic journal

Author: Wiharto (Universitas Sebelas Maret) Aditya K. Wicaksana (Universitas Sebelas Maret) Denis E. Cahyani (Universitas Sebelas Maret)

Journal: Korean Institute of Intelligent Systems INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS Vol.21 No.2 KCI Accredited Journals SCOPUS

Published: 2021.6

Pages: 189 - 203 (15page)

DOI: 10.5391/IJFIS.2021.21.2.189

Usage

📌

Topic

📖

Background

🔬

Method

🏆

Result

Modification of a Density-Based Spatial Clustering Algorithm for Applications with Noise for Data Reduction in Intrusion Detection Systems

Abstract· Keywords

Report Errors

Monitoring activity in computer networks is required to detect anomalous activities. This monitoring model is known as an intrusion detection system (IDS). Most IDS model developments are based on machine learning. The development of this model requires activity data in the network, either normal or anomalous, in sufficient amounts. The amount of available data also has an impact on the slow learning process in the IDS system, with the resulting performance sometimes not being proportional to the amount of data. This study proposes an IDS model that combines DBSCAN modification with the CART algorithm. DBSCAN modification is performed to reduce data by adding a MinNeighborhood parameter, which is used to determine the distance of the density to the cluster center point, which will then be marked for deletion. The test results, using the Kaggle and KDDCup99 datasets, show that the proposed system model is able to maintain a classification accuracy above 90% for 80% data reduction. This performance was also followed by a decrease in computation time, for the Kaggle dataset from 91.8 ms to 31.1 ms, while for the KDDCup99 dataset from 5.535 seconds to 1.120 seconds.

#Clustering #CART #Intrusion detection system #DBSCAN #Data reduction

Abstract
1. Introduction
2. Literature Review
3. Methods
4. Result and Discussion
5. Conclusion
References

References (48)

Add References

P. Angin / 2019 / Big data analytics for cyber security / Security and Communication Networks 2019

Ilhan Firat Kilincer / 2021 / Machine learning methods for cyber security intrusion detection: Datasets and comparative study / Computer Networks 188:107840

K. Scarfone / 2010 / Handbook of Information and Communication Security / Springer :177~192

Gang Wang / 2010 / A new approach to intrusion detection using Artificial Neural Networks and fuzzy clustering / Expert Systems with Applications 37(9):6225~6232

A. Halimaa / 2019 / Machine learning based intrusion detection system / Proceedings of 20193rd International Conference on Trends in Electronics and Informatics (ICOEI) :916~920

Recommendations

It is an article recommended by DBpia according to the article similarity. Check out the related articles!

Related Authors

Wiharto

Affiliation Sebelas Maret University

Fields Engineering > Electrical and Electronic Engineering > Information and Communication Engineering

Articles 4 Usage 45

Aditya K. Wicaksana

Affiliation Universitas Sebelas Maret

Fields Engineering > Electrical and Electronic Engineering > Information and Communication Engineering

Articles 1 Usage 7

Denis E. Cahyani

Affiliation Universitas Sebelas Maret

Fields Engineering > Electrical and Electronic Engineering > Information and Communication Engineering

Articles 1 Usage 7

Comments(0)

Write first comments.

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

Abstract· Keywords

AI Summary

Topic

Background

Method

Result

주요내용

Contents

References (48)

Recommendations

Related Authors

Recently viewed articles

Comments(0)