18.11.2014 Views

Anais - Engenharia de Redes de Comunicação - UnB

Anais - Engenharia de Redes de Comunicação - UnB

Anais - Engenharia de Redes de Comunicação - UnB

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

cada algoritmo. Além disso, é difícil <strong>de</strong>finir características que i<strong>de</strong>ntifiquem bem os<br />

ataques do tipo U2R e R2L, portanto os atributos do KDDCUP’99 não favorecem a<br />

classificação <strong>de</strong>stes dois tipos <strong>de</strong> ataque [Lee et al.1999].<br />

A Tabela 4 apresenta o <strong>de</strong>sempenho dos classificadores no nível 2, cada um<br />

usando um algoritmo base diferente, como mostrado na Tabela 1. Observe que todos os<br />

algoritmos <strong>de</strong> comitê apresentam melhores resultados do que os algoritmos do nível 1.<br />

O algoritmo Random Forest apresenta o melhor <strong>de</strong>sempenho para ambas as DR e FPR.<br />

Já o algoritmo Dagging não foi capaz <strong>de</strong> prover uma melhora significativa na taxa <strong>de</strong><br />

<strong>de</strong>tecção do Naive Bayes, porém foi capaz <strong>de</strong> reduzir a taxa <strong>de</strong> falsos positivos<br />

consi<strong>de</strong>ravelmente. Estes resultados sugerem que algoritmos <strong>de</strong> comitê são a melhor<br />

abordagem para prover alta taxa <strong>de</strong> <strong>de</strong>tecção e baixa taxa <strong>de</strong> falsos positivos. Isto<br />

acontece, <strong>de</strong>vido à função complementar <strong>de</strong> cada mo<strong>de</strong>lo utilizado no comitê, pois a<br />

aleatorieda<strong>de</strong> gerada pelos classificadores <strong>de</strong> comitê para cada mo<strong>de</strong>lo os torna<br />

significantemente diferentes uns dos outros [Witten e Frank 2005].<br />

Tabela 4. Desempenho dos três classificadores do nível 2<br />

Random Forest Bagging Dagging<br />

Classes DR FPR DR FPR DR FPR<br />

Normal 99,88 0,66 99,71 1,04 98,43 4,59<br />

Probe 93,06 0,00 91,68 0,04 60,83 0,09<br />

DoS 99,89 0,13 99,68 0,18 97,66 0,48<br />

U2R 79,39 0,02 63,57 0,07 26,10 0,01<br />

R2L 82,04 0,03 76,16 0,06 53,57 0,75<br />

Total 99,59 0,44 99,30 0,69 97,03 2,95<br />

Na Tabela 5, temos o resultado dos algoritmos do nível 3 (aplicados aos<br />

algoritmos do nível 2). É possível observar que o algoritmo Random Committee obteve<br />

o melhor <strong>de</strong>sempenho. Nota-se ainda que, todos os algoritmos do nível 3, melhoraram<br />

os resultados do nível dois, mostrando que é interessante acrescentar mais um nível <strong>de</strong><br />

comitê à classificação.<br />

Tabela 5. Desempenho dos três classificadores do nível 3<br />

Rand. Committee AdaBoost.M1 MultiBoostAB<br />

Classes DR FPR DR FPR DR FPR<br />

Normal 99,90 0,47 99,82 0,53 98,62 3,81<br />

Probe 95,24 0,00 97,50 0,00 69,72 0,06<br />

DoS 99,95 0,07 99,89 0,07 98,01 0,39<br />

U2R 82,86 0,03 80,81 0,05 46,11 0,08<br />

R2L 87,26 0,02 85,46 0,02 55,96 0,62<br />

Total 99,70 0,31 99,64 0,36 97,47 2,43<br />

220

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!