Intrusion Detection System Based On Flows Using Machine Learning Algorithms

Abstract

The use of technology by different types of devices generates a large flow of confidential and personal information. Referencing this situation, it is necessary to use computer security tools, such as Intrusion Detection Systems (IDS). This work presents an IDS that can perform the flow-based analysis (netflow). The first step of this research conducted an analysis on flows previously collected and properly detected three different types of attacks. In the second step, the flows were organized to be used in machine learning algorithms.

Análise do impacto da agregação dos fluxos IP nos algoritmos de aprendizado de máquina supervisionado voltados para a detecção de intrusão

“…[ Kakihata et al 2017] apresentam um IDS que verifica o comportamento da rede por meio de consultas a um banco de dados e posteriormente compara os fluxos com três assinaturas com o objetivo de informar um ataque. Os autores relatam que por meio da análise e comparação foi possível detectar de forma eficiente todos os ataques da base de dados.…”

“…Levando em consideração a escalabilidade e a natureza da infraestrutura de rede a escolha da fonte de dados pode impactar o desempenho de um IDS. Desta maneira, uma análise baseada em fluxos que representa o resumo dos pacotes trafegados na rede, faz com que o volume de dados a serem processados seja consideravelmente menor [Kakihata et al 2017].…”

Maximizando a detecção de ataques com algoritmos de aprendizado de máquina através da agregação de fluxos IP

“…Desta maneira, uma análise baseada em fluxos que representa o resumo dos pacotes trafegados na rede, faz com que o volume de dados a serem processados seja consideravelmente menor [Kakihata et al 2017].…”

“…Diferentes técnicas de aprendizado de máquina têm sido utilizadas por aplicações ao longo dos anos, porém, nenhuma delas pode ser usada apropriadamente para todos os problemas, como apontado por [Hamid et al 2016]. Inúmeros trabalhos na literatura foram propostos com o objetivo de comparar a performance dos algoritmos de aprendizado de máquina no contexto da detecção de intrusão [Hamid et al 2016] [Kakihata et al 2017] [Belouch et al 2018]. Em casos como [Najafabadi et al 2015], é apresentado um método de agregação dos fluxos de rede com o objetivo de gerar características mais discriminativas para melhorar o aprendizado dos modelos.…”

“…O resultado foi a seleção de 11 características das 41, que possibilitaram manter os resultados semelhantes aos obtidos anteriormente reduzindo o custo computacional. [Kakihata et al 2017] apresentam um IDS que verifica o comportamento da rede por meio de consultas a um banco de dados e posteriormente compara os fluxos com três assinaturas com o objetivo de informar um ataque. Os autores relatam que por meio da análise e comparação foi possível detectar de forma eficiente todos os ataques da base de dados.…”