Performance Analysis of Machine Learning Algorithms in Intrusion Detection Systems

Fethi Mustafa ÇİMEN; Yusuf SÖNMEZ; Mustafa İLBAŞ

doi:https://doi.org/10.29130/dubited.1018229

Article Details

Performance Analysis of Machine Learning Algorithms in Intrusion Detection Systems

Authors:

Fethi Mustafa ÇİMEN | Yusuf SÖNMEZ | Mustafa İLBAŞ

Publisher:

Duzce University

Main Topics:

Applied physics

Journal:

Duzce University Journal of Science and Technology 2021 Vol.9 Issue 6, pp.251-258

Document Type:

Article

Publication Date:

12/2021

Document Language:

English

Document ID (Org No.):

2000945300

Frequency:

Quarterly

eISSN:

2148-2446

DOI:

https://doi.org/10.29130/dubited.1018229

Keywords:

Abstract:

 


With the developing technology, the need for the dissemination and protection of information is becoming increasingly important. Recently, attacks on information systems have increased significantly. In addition to the rise in the number of attacks, attacks of different types pose a great threat to systems. As a result of these attacks, institutions and users suffer serious damages. At this point, Intrusion Detection Systems (IDS) have a very important position. The pre-detection of these attacks on the systems and the preparation of the necessary reports can reduce the impact of the threats that may be encountered in the future. Recent studies are carried out so as to increase the performance of IDS. In this paper, classification was made using NSL-KDD dataset and SVM, KNN, Bayesnet, NavieBayes, J48 and Random Forest algorithms, and it was aimed to compare performance of these classifications by using WEKA. Consequently, it has been reached that the KNN algorithm had the best performance with an accuracy rate of 98.1237 %. In addition, the effect of increasing the number of folds and neighborhoods on the classification result has been examined comparatively.

.

 

Gelişen teknoloji ile bilginin yayılması ve korunması gereksinimi giderek önem kazanmaktadır. Son dönemde bilişim sistemlerine yönelik saldırılar önemli düzeyde artış göstermiştir. Saldırı sayısındaki artışın yanı sıra farklı türlerde meydana gelen saldırılar sistemler üzerinde büyük bir tehdit oluşturmaktadır. Yapılan bu saldırılar neticesinde kurumlar ve kullanıcılar ciddi zararlar görmektedir. Bu noktada Saldırı Tespit Sistemleri (IDS) oldukça önemli bir konuma sahiptir. Sistemlere yönelik yapılan bu saldırıların önceden tespit edilip gerekli raporların hazırlanması ileride karşılaşılabilecek tehditlerin etkisini azaltabilmektedir. Son zamanlarda yapılan çalışmalar Saldırı Tespit Sistemlerinin performanslarını artırma doğrultusunda gerçekleşmektedir. Bu çalışmada NSL-KDD veri seti ile SVM, KNN, Bayesnet, NavieBayes, J48 ve Random Forest algoritmaları kullanılarak sınıflandırma yapılmış, özellik çıkarımı gerçekleştirilerek sonuçların iyileştirilmesi amaçlanmıştır. Çalışma sonucunda KNN algoritması % 98.1237 doğruluk oranı ile en iyi performansa sahip olduğu gözlemlenmiştir. Bunun yanı sıra artan fold ve komşuluk sayısının sınıflandırma sonucuna etkisi karşılaştırmalı olarak incelenmiştir.

Article Details

Performance Analysis of Machine Learning Algorithms in Intrusion Detection Systems

Authors:

Fethi Mustafa ÇİMEN | Yusuf SÖNMEZ | Mustafa İLBAŞ

Publisher:

Duzce University

Main Topics:

Applied physics

Journal:

Duzce University Journal of Science and Technology 2021 Vol.9 Issue 6, pp.251-258

Document Type:

Article

Publication Date:

12/2021

Document Language:

English

Document ID (Org No.):

2000945300

Frequency:

Quarterly

eISSN:

2148-2446

DOI:

https://doi.org/10.29130/dubited.1018229

Makine öğrenimi

IDS

KNN

Issues

Article Details

Performance Analysis of Machine Learning Algorithms in Intrusion Detection Systems

Authors: Fethi Mustafa ÇİMEN | Yusuf SÖNMEZ | Mustafa İLBAŞ

Publisher: Duzce University

Main Topics: Applied physics

Journal: Duzce University Journal of Science and Technology 2021 Vol.9 Issue 6, pp.251-258

Document Type: Article

Publication Date: 12/2021

Document Language: English

Document ID (Org No.): 2000945300

Frequency: Quarterly

eISSN: 2148-2446

DOI: https://doi.org/10.29130/dubited.1018229

Makine öğrenimi

IDS

KNN

Issues

Authors:

Fethi Mustafa ÇİMEN | Yusuf SÖNMEZ | Mustafa İLBAŞ

Publisher:

Duzce University

Main Topics:

Applied physics

Journal:

Duzce University Journal of Science and Technology 2021 Vol.9 Issue 6, pp.251-258

Document Type:

Article

Publication Date:

12/2021

Document Language:

English

Document ID (Org No.):

2000945300

Frequency:

Quarterly

eISSN:

2148-2446

DOI:

https://doi.org/10.29130/dubited.1018229