Video Experimental Relacionado
Updated: Sep 9, 2025

DNA Virus Detection System Based on RPA-CRISPR/Cas12a-SPM and Deep Learning
Published on: May 10, 2024
Un sistema de detección de intrusiones de red generalizado y en tiempo real a través de la codificación de
Zahraa Kadhim Alitbi1, Seyed Amin Hosseini Seno1, Abbas Ghaemi Bafghi1
1Computer Engineering Department, Engineering Faculty, Ferdowsi University of Mashhad (FUM), Mashhad 91779-48974, Iran.
Este estudio introduce un nuevo método para los sistemas de detección de intrusiones en red (NIDS) en tiempo real que identifica efectivamente tanto los ataques cibernéticos conocidos como los nuevos utilizando datos de paquetes mínimos. El sistema aprende un espacio de incrustación compacto para una detección de amenazas eficiente y precisa.
Área de la Ciencia:
- Ciberseguridad
- Seguridad de la red
- Aprendizaje automático
Sus antecedentes:
- Los sistemas tradicionales de detección de intrusiones en red (NIDS) a menudo procesan el tráfico de red después de la finalización, lo que dificulta las capacidades de detección en tiempo real.
- Los NIDS basados en paquetes existentes pueden procesar paquetes de forma independiente, lo que lleva a una precisión reducida, mientras que algunos métodos avanzados luchan con longitudes de sesión variables y detectan amenazas no vistas.
Objetivo del estudio:
- Desarrollar un NIDS avanzado capaz de detectar intrusiones en tiempo real mediante el análisis de secuencias de paquetes en sesiones en curso.
- Crear un método que maneje eficientemente sesiones de diferentes longitudes y detecte con precisión patrones de ataque tanto observados como nuevos.
Principales métodos:
- Extraer características de paquetes consecutivos de sesiones de red en curso de una manera en línea.
- Aprender un espacio de incrustación compacto y discriminativo utilizando una nueva función de pérdida de similitud multi-proxy.
- Emplear un enfoque de umbral de clase para abordar el desequilibrio de clase y mejorar la precisión de detección de ataques observados y nuevos.
Principales resultados:
- El método propuesto detecta efectivamente las actividades de ataque procesando menos de siete paquetes de una sesión en curso.
- Los resultados experimentales en dos conjuntos de datos a gran escala demuestran un rendimiento superior en comparación con los métodos existentes para detectar ataques conocidos y nuevos.
- El sistema alivia con éxito el problema de desequilibrio común en los conjuntos de datos NIDS.
Conclusiones:
- El método NIDS basado en paquetes desarrollado en línea ofrece un avance significativo en la detección de amenazas en tiempo real.
- El enfoque demuestra una alta eficacia en la identificación de una amplia gama de amenazas cibernéticas, incluidos los tipos de ataques no observados anteriormente.
- Este método proporciona una solución más eficiente y efectiva para los desafíos modernos de seguridad de la red.
Videos de Conceptos Relacionados
Classification of Systems-I
Homogeneity dictates that if an input x(t) is multiplied by a constant c, the output y(t) is multiplied by the same constant. Mathematically, this is expressed as:
Classification of Systems-II
Introduction to Learning
In contrast to learned behaviors, unlearned behaviors such as crying, sexual...
Encoding
Automatic processing involves the encoding of details like time, space, frequency, and the meaning of words, usually done without conscious...

