A QOS-aware self-updating intrusion detection system using reinforcement learning

Saldırganların bir bilgisayar ağını tehlikeye atmak için kullandıkları hızla gelişen saldırı tekniklerine göre Saldırı Tespit Sistemleri (IDS) için Makine Öğrenimi (ML) teknikleri kullanılmaktadır. Denetimli yaklaşımlar, denetimsiz yöntemlere göre gelen paketin türünü daha hızlı değerlendirme ve tahmin etme yeteneğini göstermiştir. Bununla birlikte, denetimsiz yöntemler, ağa yeni bir saldırı türü eklendiğinde güncellenme konusunda daha iyi yetenek göstermiştir, çünkü bu tür bir güncelleme, ek gereksinimler gerektiren denetimli bir ML yönteminin kullanımının aksine, yalnızca IDS'ye saldırı örneklerinin sağlanmasını gerektirir. Eğitim. Buna göre, bu çalışmada Takviyeli Öğrenme (RL) kullanımına dayalı, yeni saldırı türlerinde kalıpları otomatik olarak tanıma ve tanınan kalıplarla eşleşen paketlerin erişimini engelleme yeteneğine sahip yeni bir IDS önerilmiştir. Bu tanınma, önerilen yöntemde ağda sağlanan Hizmet Kalitesine (QoS) dayalı olarak ölçülen seçilen eylemlerin ödüllerini ölçerek RL'nin ortamdaki değişikliklere uyum sağlama yeteneğine dayanmaktadır. Bununla birlikte, QoS'yi, dolayısıyla ödül değerini en üst düzeye çıkarmak için gelen tüm trafiği bloke etmekten kaçınmak için, önerilen yöntem aynı zamanda ödülün hesaplamalarıyla ağa erişmesine izin verilen trafiğin oranını da içerir, böylece en iyi ödül her şey bittiğinde elde edilir. normal trafiğe erişim izni verilir, yani QoS'yi düşürmeyen tüm trafiğe izin verilir. Önerilen yöntemin hiperparametrelerinin etkisini araştırmak ve önerilen yöntemin saldırı trafiğindeki değişikliklere uyum sağlama ve ağı koruma yeteneğini araştırmak için çeşitli deneyler yapılmıştır. Sonuçlar önerilen yöntemin başarılı olduğunu göstermektedir. RL aracısının sinir ağı eğitimine hiç dahil edilmemiş saldırıları içeren trafikte %96,72 gibi yüksek bir doğruluk elde edin. Buna karşılık, sınıflandırma tabanlı bir sinir ağının, bu saldırıların parçası olan paketlerin hiçbirini tespit edememesi, önerilen yöntemin üstünlüğünü göstermektedir.