Deep Learning Aplications for Network Intrusion Detection

Abstract

Ağ saldırı tespit sistemleri günümüz bilişim sistemlerinde kritik bir yer teşkil ederken, önemli bir araştırma alanı olarak yükselmeye ve yapay sinir ağlarının kullanımı bu alanda giderek daha popüler hale gelmeye başlamıştır. Buna rağmen, bu alanda yapay sinir ağı mimarileri ve bu mimarilerin parametreleri hakkında karşılaştırma çalışmalarında eksiklikler vardır. Bu çalışmada, ağ saldırı tespit sistemleri alanında kullanılan yapay sinir ağları mimarileri ile ileride yapılacak olan mühendislik ve akademik çalışmalar için bir temel oluşturulması amaçlanmıştır. Bu doğrultuda kıyaslama veri seti olarak kabul edilen KDD-99 veri seti kullanılmıştır. İleri beslemeli yapay sinir ağı mimarisi ve evrişimsel sinir ağı mimarisi bu veri seti üzerinde kullanılmış ve % 90 üzeri başarı elde edilerek sonuçlar karşılaştırılmıştır.

Network intrusion detection systems are a critical part of today's information systems, it has started to rise as an essential research area, and the use of artificial neural networks has become increasingly popular in this area. However, there are deficiencies in the comparison studies about artificial neural network architectures and their parameters. In this study, it is aimed to create a basis for future research and academic studies with artificial neural network architectures used in the field of network intrusion detection systems. In this respect, KDD-99, which is accepted as the benchmark data set, was used. Feedforward artificial neural network architecture and convolutional neural network architecture have been used on this dataset, and over 90% success has been achieved, and the results have been compared.