サイバー攻撃検出のためのアルゴリズム選択フレームワーク

サイバー攻撃に対する脅威が増加する中、本論文ではNSL-KDDデータセットを用いて、効果的なアルゴリズム選択フレームワークを提案します。このフレームワークは、ユーザーの入力とメタ特徴を基に最適なアルゴリズムを選定し、ネットワーク上のサイバー攻撃を検出します。従来の経験則に基づく戦略とメタ学習戦略の性能を比較した結果、共に高性能なアルゴリズムを推薦するものの、最も優れたアルゴリズムを選ばないことが示されました。このフレームワークは、一般的な試行錯誤法の不確実性を排除し、アルゴリズム選択と分類体系の間の密接な関係を明らかにします。