Network intrusion detection model based on convolutional neural networks and tabular data converted into images

Abstract

The object of the study is the process of identifying the state of a computer systems and network. The subject of the study are the methods of identifying the state of computer systems and networks. The purpose of this paper is to improve the quality of detecting intrusions into computer networks. The UNSW-NB 15 set, which contains information about the normal functioning of the network and during synthetic intrusions, was used as input. Deep neural networks (DL), their advantages and problems in big data processing are considered. It was found that deep neural networks when processing tabular data require their transformation. Modern methods of tabular data transformation were studied. The results obtained. A method of converting tabular data into an image is proposed. The method converts each object of a separate class from a set of tabular data into an image by mapping the attribute values onto a two-dimensional plane. The method was implemented programmatically using the GOOGLE COLAB cloud service based on Jupyter Notebook. Conclusions. It was found that the use of the proposed conversion method of tabular data into an image made it possible to use a classification model based on the CNN neural network and increase the quality of detection of intrusions into computer networks up to 4%.

Об’єктом дослідження є процес ідентифікації стану комп’ютерної системи та мережі. Предметом дослідження є методи ідентифікації стану комп'ютерних систем і мереж. Метою даної роботи є підвищення якості виявлення вторгнень в комп'ютерні мережі. В якості вхідних даних використовувався набір UNSW-NB 15, який містить інформацію про нормальне функціонування мережі та під час синтетичних вторгнень. Розглянуто глибокі нейронні мережі (DL), їх переваги та проблеми в обробці великих даних. Виявлено, що глибокі нейронні мережі при обробці табличних даних потребують їх трансформації. Досліджено сучасні методи трансформації табличних даних. Отримано такі результати. Запропоновано метод перетворення табличних даних в зображення. Метод перетворює кожен об’єкт окремого класу з набору табличних даних на зображення шляхом відображення значень атрибутів на двовимірну площину. Метод реалізовано програмно за допомогою хмарного сервісу GOOGLE COLAB на базі Jupyter Notebook. Висновки. Встановлено, що використання запропонованого методу перетворення табличних даних в зображення дозволило використати модель класифікації на основі нейронної мережі CNN та підвищити якість виявлення вторгнень у комп’ютерні мережі до 4%.