Investigating AI-Based IDS Trained on Public Datasets
Bachelor thesis
Permanent lenke
https://hdl.handle.net/11250/3138350Utgivelsesdato
2024Metadata
Vis full innførselSamlinger
Sammendrag
Integrasjon av kunstig intelligens i IDS-løsninger har potensial til å forbedre sikkerheten i ethvert datanettverk. Ved å øke presisjonen av trusseldeteksjon og redusere responstid, kan AI-drevne IDS løsninger bidra til bedre beskyttelsen av sensitive data, kritisk infrastruktur og andre nasjonale sikkerhetsinteresser.
Denne oppgaven undersøker hvor effektiv en AI-basert IDS trent på et offentlig tilgjengelig datasett er når den testes i et simulert nettverksscenario. Dette muliggjør vurdering av styrkene og svakhetene til AI-basert IDS.
Våre resultater avdekker betydelige utfordringer ved å bruke et offentlig tilgjengelig datasett for å trene en AI som skal brukes i et virkelig scenario. Videre gir resultatene retning for videre forskning relatert til AI-basert IDS. The successful integration of AI into network IDS has the potential to strengthen network security. By improving the accuracy of threat detection and reducing response times, AI-powered systems can better protect sensitive data, critical infrastructure, and national security interests.
Our research investigates the effectiveness of an AI-based IDS trained on publicly available data when tested in a simulated network scenario. This allows us to assess the capabilities and limitations of AI-based network security technologies.
The results gives insight into the significant challenges of using a publicly available dataset for training an AI that is intended for use in a real world scenario. Furthermore, the results give directions for further research related to AI-based IDS.