Analisis Eksploratif Dan Augmentasi Data NSL-KDD Menggunakan Deep Generative Adversarial Networks Untuk Meningkatkan Performa Algoritma Extreme Gradient Boosting Dalam Klasifikasi Jenis Serangan Siber

要約

この研究は、NSL-KDD データセットを強化するためのディープ敵対的生成ネットワーク (GAN) の実装を提案しています。
主な目的は、NSL-KDD データセットに対するサイバー攻撃の分類における eXtreme Gradient Boosting (XGBoost) の有効性を高めることです。
その結果、本研究で提案した手法は、GANによるデータ拡張なしのXGBoostモデルで99.53％、GANによるデータ拡張ありで99.78％の精度を達成した。

要約(オリジナル)

This study proposes the implementation of Deep Generative Adversarial Networks (GANs) for augmenting the NSL-KDD dataset. The primary objective is to enhance the efficacy of eXtreme Gradient Boosting (XGBoost) in the classification of cyber-attacks on the NSL-KDD dataset. As a result, the method proposed in this research achieved an accuracy of 99.53% using the XGBoost model without data augmentation with GAN, and 99.78% with data augmentation using GAN.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google