Using Neural Networks for Detecting Attacks

Sigurnost informacijskog sustava je njegovo najvažnije svojstvo kojim se krajnjem korisniku jamči sigurno i kvalitetno korištenje njegovih mogućnost. Kako bi razina kvalitete sigurnosti informacijskog sustava bila na zavidnoj razini potrebno je pratiti i konstantno poboljšavati njegove komponente. Komponente bitne za sigurnost informacijskog sustava su okruženje u kojem se sustav razvija i instalira, složena autorizacija kroz veliki broj uloga s ograničenjima, te infrastruktura koja podržava jako brzo pokretanje sustava iz backup datoteka ili prebacivanje uloge na rezervnu okolinu (eng. fallback). Prilikom razvoja informacijskog sustava, vodeći se standardnim smjernicama i implementacijama, sigurnost možemo dovesti na zadovoljavajuću razinu. Unatoč kvalitetnoj implementaciji sustava i dalje postoji mogućnost da će potencijalni napadač naći novu ranjivost i napraviti štetu sustavu. Trenutak u kojem će se dogoditi napad, informacijski sustav ne može predvidjeti, ali aktivnosti napadača kroz mrežne slojeve može označiti kao potencijalne napade i poduzeti određene mjere. Kako bi informacijski sustav to bio u mogućnosti napraviti potreban mu je podsustav koji će se brinuti isključivo za otkrivanje takvih aktivnosti (eng. Intrusion Detection System, IDS). Razvoj takvog sustava tehnikama učenja neuronskih mreža (eng. Deep Learning) u središtu je promatranja ovog rada u kojem su implementirani modeli duboke, konvolucijske i povratne neuronske mreže. Provedena testiranja nad testnim setom podataka pokazala su da je najbolje rezultate za obje klasifikacije, binarnu i višerazrednu, postigla duboka neuronska mreža. U arhitekturi modela duboke neuronske mreže za binarnu klasifikaciju su dva skrivena sloja, a u arhitekturi modela za višerazrednu klasifikaciju su tri