Novel Approach to Intrusion Detection: Introducing GAN-MSCNN-BILSTM with LIME Predictions

Asmaa Benchama; Khalid Zebbara

doi:10.56294/dm2023202

Artículos originales

Published: 2023-12-28

DOI: https://doi.org/10.56294/dm2023202

Enfoque novedoso para la detección de intrusiones: Presentando predicciones de GAN-MSCNN-BILSTM con LIME

Resumen

Este documento presenta un sistema innovador de detección de intrusiones que utiliza Redes Generativas Antagónicas (GAN), Redes Neuronales Convolucionales Multiescala (MSCNN) y Redes Neuronales de Memoria a Corto y Largo Plazo Bidireccionales (BiLSTM), complementadas con Explicaciones Interpretativas Locales Agnósticas al Modelo (LIME) para la interpretabilidad. Empleando un GAN, el sistema genera datos realistas de tráfico de red, que abarcan tanto patrones normales como de ataques. Estos datos sintetizados se alimentan luego a una arquitectura MSCNN-BiLSTM para la detección de intrusiones. La capa MSCNN extrae características de los datos de tráfico de red en diferentes escalas, mientras que la capa BiLSTM captura dependencias temporales dentro de las secuencias de tráfico. La integración de LIME permite explicar las decisiones del modelo. La evaluación en el conjunto de datos de Hogzilla, un benchmark estándar, muestra una impresionante precisión del 99.16% para clasificación multi-clase y del 99.10% para clasificación binaria, garantizando al mismo tiempo la interpretabilidad a través de LIME. Esta fusión de aprendizaje profundo e interpretabilidad presenta un camino prometedor para mejorar los sistemas de detección de intrusiones al mejorar la transparencia y el soporte de decisiones en la seguridad de la red.

Keywords:

IDS,

GAN,

MSCNN,

BILSTM,

LIME,

Hogzilla Dataset,

Cómo citar

Benchama A, Zebbara K. Enfoque novedoso para la detección de intrusiones: Presentando predicciones de GAN-MSCNN-BILSTM con LIME. Data and Metadata [Internet]. 28 de diciembre de 2023 [citado 6 de julio de 2024];2:202. Disponible en: https://dm.saludcyt.ar/index.php/dm/article/view/202

Aviso de derechos de autor/a

Este artículo se distribuye bajo la licencia Creative Commons Attribution 4.0 License. A menos que se indique lo contrario, el material publicado asociado se distribuye bajo la misma licencia.

Article metrics

Google scholar: See link

Métricas

Cargando métricas ...

Vol. 2 (2023)

See full issue

Revistas / Journals

Issue

Acerca de

Envíos