AFI-ID: un sistema de detección de intrusiones con selección adaptativa de variables
Un artículo de investigación de Frontiers presenta AFI-ID, un marco para detectar intrusiones en redes informáticas. Combina medidas estadísticas (Mutual Information y Chi-square) con la importancia que asignan modelos como XGBoost y Extra Trees para seleccionar un conjunto compacto de variables. Después, varios modelos base generan meta-características que procesa un meta-clasificador BiLSTM con atención. Los autores buscan mantener la sensibilidad ante las clases de ataque minoritarias, que suelen pasar desapercibidas.
Qué significa
Busca mejorar la detección de ataques raros en conjuntos de datos grandes y desbalanceados, con menos variables que procesar, lo que reduciría el coste computacional de los sistemas de seguridad que lo adopten.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- Frontiers in Artificial Intelligence | New and Recent ArticlesLeer la noticia completa en Frontiers in Artificial Intelligence | New and Recent Articles