Sistemas De Detección De Intrusos Ids Informática (2004)

Estado del Arte SISTEMAS DE DETECCIÓN DE INTRUSOS

INFORMATIKA SAILA DPTO. INFORMÁTICA

GOI ESKOLA POLITEKNIKOA SAILA ESCUELA POLITÉCNICA SUPERIOR

Urko Zurutuza Ortega
Mondragón Octubre de 2004

Estado del Arte: Sistemas de Detección de Intrusos

i

Índice
Índice.................................................................................................................. i 1Introducción .............................................................................................. 1
1.1
1.1.1 1.1.2

Seguridad Informática .................................................................................. 1
Conceptos de seguridad informática ....................................................................... 1 Clasificación de ataques informáticos eintrusiones................................................ 4

1.2
1.2.1 1.2.2

Data Mining.................................................................................................... 7
Funciones de modelos ............................................................................................ 8 Representación delmodelo..................................................................................... 9

2

Sistemas de Detección de Intrusos ....................................................... 10
2.1.1 2.1.2 Introducción ........................................................................................................... 10 Conjuntos de datos para el aprendizaje y evaluación........................................... 11

2.2
2.2.1 2.2.2 2.2.3

Clasificación delos Sistemas de Detección de Intrusos ........................ 14
Fuentes de información ......................................................................................... 14 Estrategia de Análisis ............................................................................................ 15Respuesta.............................................................................................................. 22

2.3
2.3.1 2.3.2 2.3.3 2.3.4 2.3.5 2.3.6 2.3.7 2.3.8 2.3.9

Aprendizaje automático y los IDS ............................................................. 25
Reglas de asociación............................................................................................. 26 Inducción dereglas................................................................................................ 26 Árboles de decisión ............................................................................................... 27 Clasificadores Bayesianos .................................................................................... 28 Redes Neuronales ................................................................................................. 29 SVM – Support VectorMachines .......................................................................... 31 Modelos de Markov ............................................................................................... 32 Algoritmos Genéticos............................................................................................. 32 Sistemas InmunesArtificiales................................................................................ 33

2.3.10 k-NN - Vecino más Cercano.................................................................................. 35 2.3.11 K-means ................................................................................................................ 36 2.3.12 LógicaFuzzy.......................................................................................................... 36

2.4
2.4.1 2.4.2

Tendencias actuales................................................................................... 39
Detección de anomalías a nivel de aplicación (payload inspection) ..................... 39 Correlación de alertas............................................................................................ 41

2.5

Análisis crítico del Estado del Arte...