Welcome to the UPF Digital Repository

Effectiveness of machine learning for intrusion detection systems. Heuristic-based network intrusion detection system over supervised learning

Show simple item record

dc.contributor.author Valiente Sanchez, Joel
dc.date.accessioned 2020-11-25T12:12:54Z
dc.date.available 2020-11-25T12:12:54Z
dc.date.issued 2020
dc.identifier.uri http://hdl.handle.net/10230/45892
dc.description Treball de fi de Grau en Informàtica
dc.description Tutor: Vanesa Daza
dc.description.abstract Network Intrusion Detection Systems (NIDS) are software applications monitoring a network and the systems using this network for detecting malicious activities. These activities are reported to the administrator in the form of alarms. No further actions are taken to prevent these attacks, the creation of these alarms is the desired output of any NIDS. The administrator, using these alarms, realise what attacks are being performed. In front of successful attacks the source of the problem (vulnerability) is described by the alarms and, therefore, the administrator knows what needs to be fixed indeed. It is currently an expanding area and many companies provide software compatible with most used OS (Windows, Linux and Mac OS), for instance, Snort is the most used NIDS worldwide (owned and maintained by Cisco from 2013) which supports both Windows and Linux. Most used NIDSs are rule-based: administrators defines rules that match corresponding attacks. These rules can be provided by some NIDS vendors to detect well known attacks. The amount of rules is considerable and usually the management of them becomes a full-time work. As a result, researches are currently developing new NIDS using the power of Machine Learning in order to automatize this task. However, open source and free options are scarce which leads to performing this final degree project.
dc.description.abstract Network Intrusion Detection Systems (NIDS) són aplicacions software monitorant una xarxa i els sistemes utilitzant-la per detectar activitats malicioses. Aquestes activitats són enviades a l’administrador en forma d’alarmes. Cap acció extra es pren per evitar aquests atacs, la creació d’aquestes alarmes és la resposta esperada de qualsevol NIDS. L’administrador, utilitzant les alarmes, s’adona de quins atacs s’estan executant. Davant d’atacs realitzats amb èxit, la font del problema (vulnerabilitat) es descriu en les alarmes i, per tant, l’administrador comprèn què necessita ser fixat. Actualment és una àrea en expansió i diferents empreses proporcionen software compatible amb els SO més utilitzats (Windows, Linux i Mac OS), per exemple, Snort és el NIDS més utilitzat internacionalment (apropiat i mantingut per Cisco des del 2013). el qual suporta Windows i Linux. Els NIDS més utilitzats es basen en regles: administrador defineixen regles les quals coincideixen amb els atacs corresponents. Aquestes regles poden ser proporcionades per alguns venedors de NIDS per detectar atacs ben coneguts. La quantitat de regles és considerable i sovint la seva gestió es converteix en treball a temps complet. Com a resultat, els investigadors estan actualment desenvolupant nous NIDS utilitzant la potència del Machine Learning per automatitzar aquesta tasca. Malgrat això, les opcions open source i gratuïtes són escasses la qual cosa va donar lloc a la creació d’aquest treball final de grau.
dc.format.mimetype application/pdf
dc.language.iso eng
dc.rights Atribución-NoComercial-SinDerivadas 4.0 Internacional
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/4.0
dc.title Effectiveness of machine learning for intrusion detection systems. Heuristic-based network intrusion detection system over supervised learning
dc.type info:eu-repo/semantics/bachelorThesis
dc.rights.accessRights info:eu-repo/semantics/openAccess

Thumbnail
Icon

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search

Browse

My Account

Statistics

In collaboration with Compliant to Partaking