استخدام الشبكات العصبونية في بناء نظام كشف تسلل اعتماداً على مجموعة بيانات قياسية (KDD99)

Authors

  • حسن الأحمد
  • رنا ابراهيم

Abstract

Network security has always been a critical issue when it comes to organizations confidentiality and individuals privacy, especially that delicate and important  information is being transferred all the time through networks, also many systems have been increasingly relying on  web services, such as e-government services, banking services, e-mail and e-commerce.  That's why Intrusion Detection Systems (IDS) have become a very important component, which is widely used to protect information and reduce the damage caused by network attacks and violations.

The main purpose of this research is to build an intrusion detection system using neural networks, and KDDCup 99 data set since it is the mostly used comprehensive data set in intrusion detection domain, and it is shared by many Researchers which provide a great opportunity to compare results. And studying the influence of feature reduction on the process of intrusion detection. First, the preprocessing step was applied on the dataset, then  few techniques have been applied on the dataset to decrease the number of the features used in the neural network classifier. The MATLAB software was used to train and test the dataset. The accuracy, detection rate and false rates were measured.

تعد مسألة أمن الشبكات مسألة هامة ودقيقة عندما يتعلق الأمر بخصوصية المنظمات والأفراد, خاصة عند تناقل معلومات مهمة وحساسة عبر هذه الشبكات, من جهة أخرى ازداد اعتماد معظم الأنظمة مؤخرا على خدمات الويب المتطورة سواء كانت خدمات حكومية، أو خدمات مصرفية، أو بريد إلكتروني أو تسويق إلكتروني. كل ما سبق زاد من أهمية أنظمة كشف التسلل التي تعد مكون مهم جدا لحماية المعلومات والحد من الضرر الناتج عن الهجمات والاختراقات الشبكية.

الهدف الرئيسي لهذا البحث هو بناء نظام كشف تسلل شبكي باستخدام الشبكات العصبونية, بالاعتماد على مجموعة البيانات KDDCup99 نظرا لكونها حاليا أشمل مجموعة بيانات مستخدمة في مجال كشف التسلل, كما تمت مشاركتها من قبل العديد من الباحثين مما يتيح فرصة لمقارنة النتائج. بالإضافة إلى دراسة تأثير تخفيض السمات على دقة عملية الكشف. تم بداية معالجة مجموعة البيانات المختارة معالجة تحضيرية, ثم تطبيق عدة تقنيات بهدف تخفيض عدد السمات المستخدمة في مصنف الشبكة العصبونية. تم استخدام برنامج الماتلاب للتدريب ولاختبار مجموعة البيانات وقياس دقة المصنف, بالإضافة إلى قياس معدل الكشف ومعدلات الأخطاء.

Downloads

Published

2018-10-18

How to Cite

1.
الأحمد ح, ابراهيم ر. استخدام الشبكات العصبونية في بناء نظام كشف تسلل اعتماداً على مجموعة بيانات قياسية (KDD99). Tuj-eng [Internet]. 2018Oct.18 [cited 2024Apr.23];39(5). Available from: https://journal.tishreen.edu.sy/index.php/engscnc/article/view/4213

Issue

Vol. 39 No. 5 (2017): العلوم الهندسية

Section

Articles

License

Copyright (c) 2018 ttps://creativecommons.org/licenses/by-nc-sa/4.0/

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

The authors retain the copyright and grant the right to publish in the magazine for the first time with the transfer of the commercial right to Tishreen University Journal for Research and Scientific Studies - Engineering Sciences Series

 Under a CC BY- NC-SA 04 license that allows others to share the work with of the work's authorship and initial publication in this journal. Authors can use a copy of their articles in their scientific activity, and on their scientific websites, provided that the place of publication is indicted in  Tishreen University Journal for Research and Scientific Studies - Engineering Sciences Series   .  The Readers have the right to send, print and subscribe to the initial version of the article, and the title of  Tishreen University Journal for Research and Scientific Studies - Engineering Sciences Series     Publisher

journal uses a CC BY-NC-SA license which mean

You are free to:

  • Adapt — remix, transform, and build upon the material
  •  
  • The licensor cannot revoke these freedoms as long as you follow the license terms.

 

  • Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
  • NonCommercial — You may not use the material for commercial purposes.
  • ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
  • No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.