Multi-Class, Multi-Tier Network Intrusion Detection: A Comprehensive and Reproducible Benchmark

arXiv cs.CR · 30 sept, 06:00

Investigadores publican un benchmark comprehensivo para detección de intrusiones en redes basado en machine learning, corrigiendo errores de etiquetado y evaluación en trabajos anteriores sobre el dataset CIC-IDS2017. Un ensemble de Random Forest, XGBoost y LightGBM logra un macro-F1 de 0.955 en clasificación de 15 tipos de ataque, con código abierto y reutilizable para nuevos conjuntos de datos.