Selecting the Best Set of Features for Efficient Intrusion Detection in 802.11 Networks

Guennoun, Mouhcine; Lbekkouri, A.; El-Khatib, Khalil

doi:10.1109/ictta.2008.4530270

Cited by 7 publications

(3 citation statements)

References 11 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…In (Guennoun et al, 2008;El-Khatib, 2010) an approach based on k-means clustering and multilayer perceptrons has been studied, used jointly with information gain methods, achieving accuracy near 90%. The dataset used in those works is not public.…”

Section: Related Workmentioning

confidence: 99%

Intrusion Detection in Wi-Fi Networks by Modular and Optimized Ensemble of Classifiers

Granato

Martino

Baldini

2020

Proceedings of the 12th International Joint Conference on Computational Intelligence

View full text Add to dashboard Cite

With the breakthrough of pervasive advanced networking infrastructures and paradigms such as 5G and IoT, cybersecurity became an active and crucial field in the last years. Furthermore, machine learning techniques are gaining more and more attention as prospective tools for mining of (possibly malicious) packet traces and automatic synthesis of network intrusion detection systems. In this work, we propose a modular ensemble of classifiers for spotting malicious attacks on Wi-Fi networks. Each classifier in the ensemble is tailored to characterize a given attack class and is individually optimized by means of a genetic algorithm wrapper with the dual goal of hyper-parameters tuning and retaining only relevant features for a specific attack class. Our approach also considers a novel false alarm management procedure thanks to a proper reliability measure formulation. The proposed system has been tested on the well-known AWID dataset, showing performances comparable with other state of the art works both in terms of accuracy and knowledge discovery capabilities. Our system is also characterized by a modular design of the classification model, allowing to include new possible attack classes in an efficient way.

show abstract

Section: Related Workmentioning

confidence: 99%

Intrusion Detection in Wi-Fi Networks by Modular and Optimized Ensemble of Classifiers

Granato

Martino

Baldini

2020

Proceedings of the 12th International Joint Conference on Computational Intelligence

View full text Add to dashboard Cite

show abstract

“…This section reviews the data mining based intrusion detection techniques for WLAN networks only and the methods used to select the optimal feature set. Guennoun et al [31] utilized a hybrid approach of filter and wrapper methods (HFW) to select the optimal features for determining WLAN intrusions. The dataset involved normal frames and five types of intrusion frames.…”

Section: Related Workmentioning

confidence: 99%

نظام الكشف عن التسلل الهجين لشبكات802.11 مع التحديد الفعال للميزات

إكرام¹

2020

JKAU Comp IT Sci

View full text Add to dashboard Cite

بروتوكول IEEE 802.11i هو معيار الأمان الحالي للشبكات المحلية اللاسلكية. ويقدم هذا البروتوكول آليات أمنية قوية، مثل معيار التشفير المتقدم AES للقيام بالتشفير وبروتوكولات المصافحة رباعية الاتجاه للمصادقة، إلا أنه لا يزال عرضة لعدد من الهجمات الخطيرة، مثل فيضان إلغاء المصادقة والانفصال. تم اقتراح العديد من تقنيات كشف التسلل من قبل المجتمع البحثي للكشف عن هجمات الشبكات المحلية اللاسلكية المعروفة وغير المعروفة. ومع ذلك، هناك حاجة لبذل مزيد من الجهود لتحسين أداء الكشف باستخدام مجموعة بيانات قياسية لبروتوكول 802.11 والتي تحتوي على كل من بيانات حركة انتقال البيانات العادية وحركة انتقال البيانات المتسللة لجميع الهجمات المعروفة. يبدأ البحث الحالي من خلال التعرف على جميع الهجمات الخطيرة ومواطن الضعف في شبكات IEEE 802.11i. بعد ذلك نقدم مسحا شاملا لأنظمة كشف التسلل المقترحة في الأدبيات لمعرفة مزاياها وقيودها. ويلي ذلك تصميم وتنفيذ نموذج أولي لنظام كشف تسلل هجين يعمل في الزمن الحقيقي ويستخدم أساليب الكشف عن البصمة والكشف عن السلوك المستغرب. استخدام أسلوب الكشف عن البصمة يمكن أن يحسّن أداء نظام الكشف عن التسلل الذي طورناه من خلال زيادة المعدل الإيجابي الحقيقي، في حين يمكن لأسلوب الكشف عن السلوك المستغرب إيجاد الهجمات غير المعروفة. بالإضافة إلى قواعد بصمة الهجمات، أخذنا بعين الاعتبار كلا من خوارزمية التصنيف C4.5 وخوارزمية معدل التقدير أحادي الاعتماد (AODE) للكشف عن السلوك المستغرب. تم تقييم النظام المطّور من حيث دقة اكتشاف الهجمات (Precision) وشموليتها (Recall)، مقدمين بذلك ثلاث مساهمات. أولا تم تطوير خوارزمية جديدة لاختيار خواص فعالة بالاعتماد على نموذج التصفية ومعرفة الآثار التي تتركها هجمات الشبكات اللاسلكية. وثانيا، فإن الخوارزمية المطورة تحسن دقة التصنيف والاكتشاف، مقارنة مع النتائج المنشورة مؤخراً، وتقلل بشكل كبير من وقت التصنيف عن طريق تقليل وقت التدريب وعدد الخواص. ثالثاً، فإن البحث يقدم نظام كشف تسلل هجين عالي الأداء للشبكات اللاسلكية يعمل في الزمن الحقيقي. تم تنفيذ النموذج الأولي واختباره على حاسب شخصي 1.7 جيجاهرتز i5 مع 12 جيجابايت من ذاكرة الوصول العشوائي. وأظهرت النتائج التجريبية أن النظام المنفذ لديه وقت تعلم سريع قدره 45 ثانية وأداء تصنيف عالي بدقة 99.6?، وشمولية 98.11?، ودقة شاملة قدرها 99.82?.

show abstract

“…As shown in Figure 2, the features are ranked based on this score. We then use a sequential forward selection algorithm to reach the optimal subset of features [16]. The selection algorithm starts with an empty set S of best features, and then proceeds to add features from the ranked set of features F into S sequentially.…”

Section: Feature Selectionmentioning

confidence: 99%

Biometric Identification System Based on Electrocardiogram Data

Gahi¹,

Lamrani²,

Zoglat³

et al. 2008

2008 New Technologies, Mobility and Security

View full text Add to dashboard Cite

Recent advancements in computing and digital signal processing technologies have made automated identification of people based on their biological, physiological, or behavioral traits a feasible approach for access control. The wide variety of available technologies has also increased the number of traits and features that can be collected and used to more accurately identify people. Systems that use biological, physiological, or behavioral trait to grant access to resources are called biometric systems. In this paper we present a biometric identification system based on the Electrocardiogram (ECG) signal. The system extracts 24 temporal and amplitude features from an ECG signal and after processing, reduces the set of features to the nine most relevant features. Preliminary experimental results indicate that the system is accurate and robust and can achieve a 100% identification rate with the reduced set of features.

show abstract

Selecting the Best Set of Features for Efficient Intrusion Detection in 802.11 Networks

Cited by 7 publications

References 11 publications

Intrusion Detection in Wi-Fi Networks by Modular and Optimized Ensemble of Classifiers

Intrusion Detection in Wi-Fi Networks by Modular and Optimized Ensemble of Classifiers

نظام الكشف عن التسلل الهجين لشبكات802.11 مع التحديد الفعال للميزات

Biometric Identification System Based on Electrocardiogram Data

Contact Info

Product

Resources

About