Network intrusion detection system using supervised learning paradigm

Alowolodu, Olufunso Dayo; Mebawondu, Jacob O.; Adetunmbi, Adebayo Olusola

doi:10.1016/j.sciaf.2020.e00497

Cited by 66 publications

(41 citation statements)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Ayrıca sonuçlara dayanarak UNSW-NB15 veri setinin STS'lerin değerlendirilmesi için uygun bir veri seti olduğundan bahsetmişlerdir. (Mebawondu et al 2020).…”

Section: İlgili çAlışmalarunclassified

Saldırı Tespitinde Makine Öğrenmesi Yöntemlerinin Performans Analizi

TÜRKYILMAZ¹,

Şentürk²

2022

European Journal of Science and Technology

View full text Add to dashboard Cite

Özİnternete olan ilgi son yıllarda inanılmaz derecede artmış ve artmaya devam etmektedir. Bu artışa birde salgın hastalık koşulları eklenince insan hayatını etkileyen her şeyi internet vasıtasıyla yapmaya odaklanılmıştır. İnternete olan ilgi nasıl arttıysa bu ilgiyi suiistimal etmek isteyen kişilerde ve suç ifa edebilecek olan durumdaki faaliyetlerde de artmış ve istikrarlı şekilde artmaya devam etmiştir. Organizasyonların ağ güvenliğini sağlaması çok daha zor hale gelmiştir. Saldırı ve suçlulara karşı ağ güvenliğini sağlamak için birçok farklı güvenlik sistemleri kullanılmaktadır. Saldırı Tespit Sistemleri (STS) ağ güvenliği için kullanılan güvenlik sistemlerden bir tanesidir. STS aynı zamanda akademik dünyada da oldukça ilgi gören konudur. Son yıllarda araştırmacılar daha verimli ve etkin bir STS ortaya koymak için birçok çalışma yapmıştır. Yapılan çalışmalarda bencmark veri seti olarak kullanılan veri setlerinin günümüz şartlarını taşımadığı ve değerlendirmelerde doğru sonuçları vermediği görülmüştür. Bu soruna çözüm olması için 2015 yılında yayınlanan UNSW-NB15 veri seti oluşturulmuştur. Bu çalışmanın amacı STS'yi daha verimli ve etkin hale getirmek için kullanılan makine öğrenmesi yöntemlerinin UNSW-NB15 veri seti kullanılarak incelenmesi ve karşılaştırılmasıdır. Bunu yaparken kullanılan Özellik Seçim yönteminin algoritma performanslarına olan etkisi de değerlendirilmiştir. Çalışma kapsamında, Orange aracını kullanarak makine öğrenmesi yöntemlerinin performansları karşılaştırıldı. Ayrıca elde edilen sonuçlar ile daha önce yapılmış çalışmalar karşılaştıırlmıştır.

show abstract

“…Ayrıca sonuçlara dayanarak UNSW-NB15 veri setinin STS'lerin değerlendirilmesi için uygun bir veri seti olduğundan bahsetmişlerdir. (Mebawondu et al 2020).…”

Section: İlgili çAlışmalarunclassified

Saldırı Tespitinde Makine Öğrenmesi Yöntemlerinin Performans Analizi

TÜRKYILMAZ¹,

Şentürk²

2022

European Journal of Science and Technology

View full text Add to dashboard Cite

show abstract

“…Classifiers based on closest neighbours are also used for prediction, which is defined as the capacity to provide a real-valued forecast for a given unknown dataset. Overall, the classifier returns a single integer that represents It's the average of the real-valued variables associated with the unknown dataset's k-nearest neighbours [16].…”

Section: K-nearest Neighbor Classifiersmentioning

confidence: 99%

Optimized Framework for Intrusion Detection Using Data Mining Techniques in Wireless Lan With Deep Learning Techniques

2022

View full text Add to dashboard Cite

The developments of technology and computer digital systems are now pervasive across the globe and the world has rendered an invisible and unviable from day to day existence. The detailed assessment details of Mobile and Pervasive Computing applied to electrical and electronic devices, which are intangible and considering the context of evolutionary theory that refers to them as pervasive environments. The urban development concept, the future will be a connected web of networked computers and models of integrated networks system. Due to their broad usage in metropolitan environments, the significant mobile devices have been enriched the urban planning strategy of ubiquitous computing, which is designed for the urban growth. According to the action plan, the data mining tools will be employed to assist the IDS building efforts in order to help alleviate these issues. This has found that the Intrusion Detection technologies have been used in conjunction with data mining strategies to spot attacks in the system. An Intrusion Detection System is used to control the network operations, used to track and filter out the unwanted data with decision tree. The mobile crowd sourcing technologies were applied to smart environments; the world by integrating and coordinating all of the technology resources. These algorithms are evaluated for their use in discovering the unknown attacks in the mobile communication systems.

show abstract

“…The IDS developed in Reference [ 18 ] presents an approach based on a multi-layer perceptron. The research and testing were realized on the UNSW-NB15 dataset, from which 30 features were selected using the gain factor method.…”

Section: Related Workmentioning

confidence: 99%

The Proposition and Evaluation of the RoEduNet-SIMARGL2021 Network Intrusion Detection Dataset

Mihailescu

Mihai

Carabaș

et al. 2021

Sensors

View full text Add to dashboard Cite

Cybersecurity is an arms race, with both the security and the adversaries attempting to outsmart one another, coming up with new attacks, new ways to defend against those attacks, and again with new ways to circumvent those defences. This situation creates a constant need for novel, realistic cybersecurity datasets. This paper introduces the effects of using machine-learning-based intrusion detection methods in network traffic coming from a real-life architecture. The main contribution of this work is a dataset coming from a real-world, academic network. Real-life traffic was collected and, after performing a series of attacks, a dataset was assembled. The dataset contains 44 network features and an unbalanced distribution of classes. In this work, the capability of the dataset for formulating machine-learning-based models was experimentally evaluated. To investigate the stability of the obtained models, cross-validation was performed, and an array of detection metrics were reported. The gathered dataset is part of an effort to bring security against novel cyberthreats and was completed in the SIMARGL project.

show abstract

Network intrusion detection system using supervised learning paradigm

Cited by 66 publications

References 6 publications

Saldırı Tespitinde Makine Öğrenmesi Yöntemlerinin Performans Analizi

Saldırı Tespitinde Makine Öğrenmesi Yöntemlerinin Performans Analizi

Optimized Framework for Intrusion Detection Using Data Mining Techniques in Wireless Lan With Deep Learning Techniques

The Proposition and Evaluation of the RoEduNet-SIMARGL2021 Network Intrusion Detection Dataset

Contact Info

Product

Resources

About