Intrusion detection system application with machine learning

Abstract

Information security holds paramount importance for organizations and users alike, safeguarding against unauthorized access to sensitive data. Daily usage of the internet amplifies the importance of security measures and the detection of malicious activities. Cyber-attacks, as these malicious activities are commonly known, are continually evolving with advancements in hardware, software, and complex network algorithms. Intrusion Detection Systems play a crucial role in shielding data and information from cyberattacks. The rapid progression in machine learning and deep learning, two popular methodologies in data mining, has found applications in various fields, including security. This study focuses on the use of machine learning and deep learning methods to design an intelligent intrusion detection system. For the development of this smart intrusion detection system, two well-established datasets, NSL-KDD and Kyoto 2006+, were employed. Machine learning methods were implemented utilizing the classification algorithms available in the WEKA data mining tool. The results obtained from these classification algorithms were compared with the deep learning model designed within the scope of the study. Consequently, a detailed analysis of machine learning and deep learning methods on the NSL-KDD and Kyoto 2006+ datasets for an intelligent intrusion detection system was conducted, and suggestions were proposed for further research endeavors.

Bilgi güvenliği, her organizasyon ve kullanıcı için bilgilere yetkisiz erişime karşı koruma sağlamak açısından son derece önemlidir. İnternet, her gün geniş bir alanda kullanılmaktadır. Bu kullanım arttıkça, güvenlik ve kötü niyetli faaliyetleri tespit etmenin önemi de artmaktadır. Bu kötü niyetli faaliyetler, siber saldırılar olarak adlandırdığımız, donanım, yazılım ve karmaşık ağ algoritmalarının gelişimiyle gün geçtikçe değişmekte ve gelişmektedir. Saldırı tespit sistemleri, verileri veya bilgiyi siber saldırılardan korumada önemli bir rol oynamaktadır. Makine öğrenimi ve derin öğrenmedeki hızlı ilerlemeler, veri madenciliğinde popüler olan bu iki yöntemin güvenlik dâhil birçok alanda kullanılmasına neden olmaktadır. Bu çalışmada, akıllı bir saldırı tespit sistemi tasarımı için makine öğrenimi ve derin öğrenme yöntemleri üzerinde çalışılmıştır. Akıllı saldırı tespit sistemi tasarımı için literatürde iyi bilinen NSL-KDD ve Kyoto 2006+ olmak üzere iki veri seti kullanılmıştır. Makine öğrenimi yöntemleri, WEKA veri madenciliği aracındaki sınıflandırma algoritmaları kullanılarak gerçekleştirilmiştir. Sınıflandırma algoritmalarından elde edilen sonuçlar, çalışmanın kapsamında tasarlanan derin öğrenme modeli ile karşılaştırılmıştır. Böylece, makine öğrenimi ve derin öğrenme yöntemleri, akıllı bir saldırı tespit sistemi için NSL-KDD ve Kyoto 2006+ veri setleri üzerinde detaylı bir şekilde analiz edilmiş ve ileri çalışmalar için önerilerde bulunulmuştur.