Network Intrusion Detection Using Machine Learning Techniques/Makine Öğrenmesi Teknikleri Kullanılarak Ağ Saldırı Tespit Sistemi

Oğuz ATA; Khalid KADHİM

Makale detayları

Network Intrusion Detection Using Machine Learning Techniques/Makine Öğrenmesi Teknikleri Kullanılarak Ağ Saldırı Tespit Sistemi

Yazarlar:

Oğuz ATA | Khalid KADHİM

Yayıncı:

Altınbaş University

Dergi:

AURUM Journal of Engineering Systems and Architecture 2018 Vol.2 Issue 1, pp.115-123

Belge Tipi:

Makale

Yayın Tarihi:

6/2018

Belge Dili:

İngilizce

Document ID (Org No.):

2000908843

Sıklık:

İki Yıllık

pISSN:

2564-6397

Anahtar kelimeler:

Özet:

 


Abstract

Recently, it has become important to use advanced intrusion detection techniques to protect networks from the

developing network attacks, which are becoming more complex and difficult to detect. For this reason, machine

learning techniques have been employed in the Intrusion Detection Systems (IDS), so that, more complex features

can be detected in the characteristics of the packets incoming to the network. As these techniques require training

data, many datasets are collected for this purpose. Some of these datasets have known issues that limit the

ability to apply intrusion detection systems built, based on these datasets, in real-life applications.

In this study, the existing intrusion datasets are illustrated alongside with the known issues of each dataset, as well

as, the existing intrusion detection systems that employ machine learning techniques and use these datasets, are

discussed. As machine learning techniques extract different knowledge from different datasets, and each technique

has different approaches to extract that knowledge, the performance of each technique is different from

one dataset to another. The results of the discussed studies show the great potential of using machine learning

techniques to implement IDS, where the Artificial Neural Networks (ANN) have shown the highest average performance,

among other machine learning techniques.

.

 


Özet

Son zamanlarda gelişen ağ saldırılarından korunmak için saldırı tespit sistemler önemli bir hale gelmiştir. Bu saldırılar,

öncekilerden daha karmaşık ve tespit edilmesi zordur. Bu nedenle Makine Öğrenmesi teknikleri kullanılmaya

başlanmıştır. Böylece ağdan gelen paketlerin karekteristiklerinde, daha karmaşık özellikler tespit edilebilmektedir.

Bu teknikler öğrenebilmek için belirli özelliklerde verysetine ihtiyaç duymaktadır. Bu amaç ile birçok

very seti toplanmıştır. Bu verisetlerinin bazıları gerçek hayat uygulamalarında saldırı tespit sistemlerinin uygulamasında

bilinen limitlere sahiptir.

Bu çalışmada Bu her bir veri setinin bilinen konularının yanı sıra, makine öğrenim tekniklerini kullanan ve bu veri

setlerini kullanan mevcut saldırı tespit sistemleri ile birlikte herbir mevcut izinsiz veri kümeleri de tartışılmıştır. Makine

öğrenme teknikleri farklı veri kümelerinden farklı bilgi çıkarımında bulunurlar ve her tekniğin bu bilgiyi elde

etmek için farklı yaklaşımları olduğu için, her tekniğin performansı, bir veri kümesinden diğerine farklıdır. Tartışılançalışmaların sonuçları, Yapay Sinir Ağları (YSA) ‘nın diğer makine öğrenme teknikleri arasında en yüksek ortalama

performansı gösterdiği görülmüştür. Böylece Saldırı tespit sistemi uygulamaları için makine öğrenme tekniklerini

kullanmanın büyük potansiyeli olduğu görülmüştür

.

Makale detayları

Network Intrusion Detection Using Machine Learning Techniques/Makine Öğrenmesi Teknikleri Kullanılarak Ağ Saldırı Tespit Sistemi

Yazarlar:

Oğuz ATA | Khalid KADHİM

Yayıncı:

Altınbaş University

Dergi:

AURUM Journal of Engineering Systems and Architecture 2018 Vol.2 Issue 1, pp.115-123

Belge Tipi:

Makale

Yayın Tarihi:

6/2018

Belge Dili:

İngilizce

Document ID (Org No.):

2000908843

Sıklık:

İki Yıllık

pISSN:

2564-6397

Makine Öğrenmesi

Yapay Sinir Ağları

Saldırı Tespir Sistemi

Sayı

Makale detayları

Network Intrusion Detection Using Machine Learning Techniques/Makine Öğrenmesi Teknikleri Kullanılarak Ağ Saldırı Tespit Sistemi

Yazarlar: Oğuz ATA | Khalid KADHİM

Yayıncı: Altınbaş University

Dergi: AURUM Journal of Engineering Systems and Architecture 2018 Vol.2 Issue 1, pp.115-123

Belge Tipi: Makale

Yayın Tarihi: 6/2018

Belge Dili: İngilizce

Document ID (Org No.): 2000908843

Sıklık: İki Yıllık

pISSN: 2564-6397

Makine Öğrenmesi

Yapay Sinir Ağları

Saldırı Tespir Sistemi

Sayı

Yazarlar:

Oğuz ATA | Khalid KADHİM

Yayıncı:

Altınbaş University

Dergi:

AURUM Journal of Engineering Systems and Architecture 2018 Vol.2 Issue 1, pp.115-123

Belge Tipi:

Makale

Yayın Tarihi:

6/2018

Belge Dili:

İngilizce

Document ID (Org No.):

2000908843

Sıklık:

İki Yıllık

pISSN:

2564-6397