Predictive Algorithm Development for Classification of Network Traffic

Napadi na komunikacijsku mrežu predstavljaju problem ostvarenja sigurnosti podataka. Detekcija napada i provođenje ispravnih postupaka za njegovo otklanjanje jedan su od glavnih načina borbe protiv napada. Tema napisanog rada je analiza podataka koji predstavljaju promet mreže i gradnja klasifikatora koji bi prepoznavali razrede napada. Analizom podataka ustanovljena je neravnomjerna rasprostranjenost podataka između razreda. Naduzorkovanjem pa poduzorkovanjem je uklonjen taj problem te su ponovljeni algoritmi klasifikacije. Pokazalo se da su se rezultati klasifikatora poboljšali. Modeli s najboljim rezultatima su ekstremno pojačavanje gradijenta i stroj potpornih vektora. Klasifikatori su postizali točnost od 49\% do 79\%. Model koji je imao najlošiju točnost prije naduzorkovanja i poduzorkovanja, ali kojem se i točnost povećala za 15\% je naivni Bayesov klasifikator.Attacks on the communication network are a problem of data security. Detecting an attack and carrying out the correct procedures to eliminate it are one of the main ways to fight an attack. The topic of this paper is the analysis of data representing network traffic and the construction of classifiers that would identify attack classes. Data analysis revealed an uneven distribution of data between classes. Oversampling and then undersampling over data removed this problem and the classification algorithms were repeated. Classifier results have been shown to improve. Model with best results are Extreme gradient boosting and Support vector machines. Classifiers achieved accuracy from 49% to 79%. The model that had the worst accuracy before oversampling and undersampling, but whose accuracy also increased by 15% is Naive Bayes classifier