عرض تفاصيل البحث

ادناه جميع التفاصيل الخاصة بالبحث المطلوب عرضه. توفر هذه المنصة معلومات اساسية حول البحث, لمزيد من التفاصيل يرجى متابعة التصفح من خلال الضغط على الرابط الاصلي للبحث او رابط DOI.

عنوان البحث
Wrapper Feature Selection Method Based Differential Evolution And Extreme Learning Machine For Intrusion Detection System
عنوان المجلة
Pattern Recognition
ISSN-1873-5142
تفاصيل النشر
سنة النشر - 2022 / الفهرس الاصلي للمجلة - 132 : 0 (عدد الصفحات 30)
تصنيف البحث
تكنولوجيا المعلومات - المجموعة العلمية
رابط DOI
https://doi.org/10.1016/j.patcog.2022.108912
رابط البحث
فتح في موقع المجلة الرسمي
البحث والاستدامة
الهدف 9– الصناعة والابتكار والبنية التحتية   المزيد حول هذا الهدف
البحث والمجتمع
نعم , يدعم
الكلمات المفتاحية
Intrusion detection system, Feature selection, Differential evolution, Extreme learning machine, NSL-KDD.

اسم الباحثجهة الانتساببلد الباحث
واثق لفته الياسين جامعة الفرات الاوسط العراق
علي كاظم ادريس جامعة بابل العراق
فائزة حمد المسعودي جامعة كربلاء العراق

The intrusion detection system (IDS) has gained a rapid increase of interest due to its widely recognized potential in various security fields, however, it suffers from several challenges. Different network datasets have several redundant and irrelevant features that affect the decision of the IDS classifier. Therefore, it is essential to decrease these features to improve the system performance. In this paper, an efficient wrapper feature selection method is proposed for improving the performance and decreasing the processing time of the IDS. The proposed approach employs a differential evaluation algorithm to select the useful features whilst the extreme learning machine classifier is applied after feature selection to evaluate the selected features. Many experiments are performed using the full NSL-KDD dataset to evaluate the performance of the proposed method. The results prove that the proposed approach can efficiently reduce the features, increase the accuracy, reduce the false alarm rates, and improve the processing time of the IDS in comparison to other recent related works.