Application of deep neural networks for network intrusion detection systems in cyber security

Ağ trafiği, küresel olarak geride bırakılmış bir hızla büyüyor. 2020 Cisco'ya göre Yıllık Rapor, dünya nüfusunun yaklaşık üçte ikisinin internet bağlantısına sahip olacak 2023 yılı. IP ağlarına bağlı cihazların sayısı da üç katına çıkacak. aynı yıldaki toplam dünya nüfusunun büyüklüğü. Öngörülen ağın genişliği altyapı, yeni teknolojilerin ve işletmelerin şekillenmesi için fırsatlar yaratır, ama aynı zamanda güvenlik açıklarının yüzeyini de arttırır. Siber saldırıların sayısı dünya çapında büyüyor ve daha çeşitli ve sofistike hale geliyor. Klasik ağ izinsiz giriş tespit mimarileri, kötü amaçlı faaliyetleri ve politikayı tespit etmek için bir sistemi izler çeşitli imza kitaplıkları kullanarak bilgi akışındaki ihlaller. Yine de ağır olması nedeniyle Modern ağ altyapılarında ağ trafiğinin girişi, siber için daha kolay hale gelir. suçluların bilgi varlıklarını çalmak veya yok etmek için tespit edilmeden sistemlere sızması başarıyla. Klasik ağ saldırı tespit mimarilerinin hızı ve verimliliği de gerçek zamanlı bir işleme senaryosunda beklentileri karşılamıyor. Yukarıdakiler göz önüne alındığında sınırlamalar, bu araştırma tasarım ve mimarlığa yeni metodolojiler sunmayı amaçlamaktadır. uygulamalı derin öğrenme tekniklerini kullanan ağ saldırı tespit sistemleri. sinirsel ağlar, ham bir veri kümesinden desenler ve imzalar türetebilir ve öğrenilen imzaları kullanabilir. doğayı tahmin etmek ve gelecek verileri geride bırakılmış bir hızda sınıflandırmak. sağlamlık sinir ağı mimarisinin gerçek zamanlı ve verimli bir şekilde oluşturulması için artırılabilir. ağ güvenlik çerçevesi. Bu çalışmada hibrit bir ağ saldırısı geliştireceğiz. CNN-LSTM mimarisini kullanan algılama sistemi. Ayrıca, sonuçlarımızı karşılaştıracağız Bu çalışma alanındaki son araştırmalarla.