
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Federal University of Mato Grosso | - |
| Autor(es): dc.contributor | Federal Institute of Mato Grosso | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Purdue University | - |
| Autor(es): dc.creator | Araújo, Nelcileno | - |
| Autor(es): dc.creator | De Oliveira, Ruy | - |
| Autor(es): dc.creator | Ferreira, Ed'Wilson | - |
| Autor(es): dc.creator | Shinoda, Ailton Akira | - |
| Autor(es): dc.creator | Bhargava, Bharat | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T21:40:25Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T21:40:25Z | - |
| Data de envio: dc.date.issued | 2022-04-28 | - |
| Data de envio: dc.date.issued | 2022-04-28 | - |
| Data de envio: dc.date.issued | 2010-07-19 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/ICTEL.2010.5478852 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/225968 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/225968 | - |
| Descrição: dc.description | Intrusion detection datasets play a key role in fine tuning Intrusion Detection Systems (IDSs). Using such datasets one can distinguish between regular and anomalous behavior of a given node in the network. To build this dataset is not straightforward, though, as only the most significant features of the collected data for detecting the node's behavior should be considered. We propose in this paper a technique for selecting relevant features out of KDD99 using a hybrid approach toward an optimal subset of features. Unlike existing work that only detect attack or no attack conditions, our approach efficiently identifies which sort of attack each register in the dataset refers to. The evaluation results show that the optimized subset of features can improve performance of typical IDSs. © 2009 IEEE. | - |
| Descrição: dc.description | Institute of Computing Federal University of Mato Grosso, Cuiabá, MT | - |
| Descrição: dc.description | Department of Informatics Federal Institute of Mato Grosso, Cuiabá, MT | - |
| Descrição: dc.description | Department of Electrical Engineering State University Júlio de Mesquita Filho, Ilha Solteira, SP | - |
| Descrição: dc.description | Department of Computer Science Purdue University, West Lafayette, IN | - |
| Descrição: dc.description | Department of Electrical Engineering State University Júlio de Mesquita Filho, Ilha Solteira, SP | - |
| Formato: dc.format | 552-558 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | ICT 2010: 2010 17th International Conference on Telecommunications | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Hybrid approach | - |
| Palavras-chave: dc.subject | Information gain ratio | - |
| Palavras-chave: dc.subject | K-means | - |
| Palavras-chave: dc.subject | KDD99. feature selection | - |
| Título: dc.title | Identifying important characteristics in the KDD99 intrusion detection dataset by feature selection using a hybrid approach | - |
| Tipo de arquivo: dc.type | aula digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: