Comparative study of intrusion detection system using machine learning

Kullanıcılar ve yüzlerce vakıf internet üzerinden iletişim kurar, bu nedenle bu iletişimleri güvence altına almak için herhangi bir anormal tespit etmeliyiz Ağ trafiği ağda yetkisiz bir saldırıya işaret edebilir, Bu, ağ güvenliğini önlemek için yol açan anormallikler tespiti, Bizim için hassas bir araştırmacı olarak ve dinamik araştırma alanı bu günlerde otomatik öğrenme sınıflandırma tekniklerine dayanan anormal ağ trafiğini tespit eden (IDS'ler), yetkisiz oturum açma ve ağ saldırılarına karşı en güçlü güvenlik araçlarıdır, çünkü anormal olarak uygun boyutta test ve doğrulama veri setlerine ihtiyaç vardır saldırı tespit yaklaşımları, tutarlı ve doğru performans evriminin sıkıntısıdır, diğer veri kümelerinin çoğu trafik ve boyut eksikliğinden muzdariptir ve trafik performansının durumunu analiz etmek ve yeteneğine bir göz atmak için tüm saldırı türlerini içermeyebilir. trafik analizi, geri dönüş yoluyla gelen kötü niyetli saldırıların tespiti h yük trafiği, bu tezde, birçok araştırmacının birçok farklı teknolojide ve birçok şekilde çoklu ikili sınıflandırma ile uygulanan gelişmekte olan bilime çalıştığı çok sınıflandırma için en iyi doğruluğu elde etmek için makine öğrenimi ve sinir ağı modelleri sunuyoruz. günümüzde mevcut çözümlerden çok sınıflandırma veya daha iyi bir iş yapmak için makine öğreniminin ağ güvenliğinde nasıl kullanılabileceğine bakmalıyız. Bu fikrin daha da geliştirilmesi için, bu fikrin geliştirilmesinin mümkün olduğunu gösteren bazı kavram kanıtları veya çalışmaları olmalıdır. makine öğrenimi ve sinir ağı modellerini kullanarak anormal trafik tespitini tespit etmek. Kullanılan algoritmalar (Lojistik Regresyon, Rastgele Orman, QDA, SGD ve YSA) ve uygulama, doğruluğu eğitmek ve test etmek için bir veri seti kullanılarak yapılır. Bu tezde kullanılan veri seti, 2018'de güncellenen CICIDS2017 adlı Kanada Siber Güvenlik veri kümeleri Enstitüsüdür, bu nedenle rastgele veri kümesi için farklı çoklu ve ikili sınıflandırma tekniği arasında karşılaştırma yapmaya çalıştığımızda, çoğu otomatik öğrenme tekniği daha yüksek doğruluk sağlar Ancak, Random Forest modeli diğer modeller arasında en iyi performans doğruluğunu elde etti. Anahtar Kelimeler: Makine Öğrenmesi, Güvenlik, Veri Kümesi.