A comprehensive survey of databases and Deep Learning methods for cybersecurity and intrusion detection systems

Dilara, G.; Tulay, Y.; Genovese, A.; Scotti, F.

doi:10.1109/JSYST.2020.2992966

IRIS Institutional Research Information System - AIR Archivio Istituzionale della Ricerca

IRIS è il sistema di gestione integrata dei dati della ricerca (persone, progetti, pubblicazioni, attività) adottato dall'Università degli Studi di Milano.

AIR nasce in UNIMI nel 2006 con lo scopo di raccogliere, documentare e conservare le informazioni sulla produzione scientifica dell'Università degli Studi di Milano e costituisce di fatto l'Anagrafe della ricerca dell'Ateneo.

This survey presents a comprehensive overview of Machine Learning (ML) methods for cybersecurity intrusion detection systems, with a speciﬁc focus on recent approaches based on Deep Learning (DL). The review analyzes recent methods with respect to their intrusion detection mechanisms, performance results, and limitations as well as whether they use benchmark databases to ensure a fair evaluation. In addition, a detailed investigation of benchmark datasets for cybersecurity is presented. This paper is intended to provide a road map for readers who would like to understand the potential of DL methods for cybersecurity and intrusion detection systems, along with a detailed analysis of the benchmark datasets used in the literature to train DL models.

A comprehensive survey of databases and Deep Learning methods for cybersecurity and intrusion detection systems / D. Gümüşbaş, T. Yıldırım, A. Genovese, F. Scotti. - In: IEEE SYSTEMS JOURNAL. - ISSN 1937-9234. - (2020), pp. 1-15. [Epub ahead of print]

Titolo:	A comprehensive survey of databases and Deep Learning methods for cybersecurity and intrusion detection systems
Autori:	Dilara Gümüşbaş Tulay Yıldırım GENOVESE, ANGELO SCOTTI, FABIO mostra contributor esterni nascondi contributor esterni
Parole Chiave:	Cybersecurity; IDS; Deep Learning
Settore Scientifico Disciplinare:	Settore INF/01 - Informatica Settore ING-INF/05 - Sistemi di Elaborazione delle Informazioni
Data di pubblicazione:	2020
Rivista:	IEEE SYSTEMS JOURNAL
Tipologia:	Article (author)
Data ahead of print / Data di stampa:	26-mag-2020
Digital Object Identifier (DOI):	http://dx.doi.org/10.1109/JSYST.2020.2992966
Appare nelle tipologie:	01 - Articolo su periodico

File in questo prodotto:

File	Descrizione	Tipologia	Licenza
sysj20.pdf		Publisher's version/PDF		Administrator Richiedi una copia

Utilizza questo identificativo per citare o creare un link a questo documento:
http://hdl.handle.net/2434/732722

Citazioni

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.