7 

 

Table of Contents 

Acknowledgments ................................................................................................................. 2

 

Abstract ................................................................................................................................ 3

 

Περίληψη .............................................................................................................................. 3

 

Εκτεταμένη περίληψη ........................................................................................................... 4

 

Table of Contents .................................................................................................................. 7

 

Figures index: ........................................................................................................................ 9

 

Tables index: ....................................................................................................................... 10

 

Equations index: .................................................................................................................. 12

 

1. Introduction .................................................................................................................... 13

 

2. An overview of machine learning and anomaly detection research .................................. 14

 

2.1. Supervised machine learning .................................................................................... 15

 

2.2. Anomaly detection with machine learning: related research ..................................... 16

 

2.3. The advantages of the NSL-KDD dataset .................................................................... 17

 

3. Classification models analysis........................................................................................... 18

 

3.1. Logistic Regression .................................................................................................... 18

 

3.2. Decision Tree ............................................................................................................ 19

 

3.3. K – Nearest Neighbours ............................................................................................ 20

 

3.4. Gaussian Naïve Bayes ................................................................................................ 21

 

3.5. Multi-Layer Perceptron ............................................................................................. 22

 

4. Characteristics and pre-processing of the NSL-KDD dataset.............................................. 24

 

4.1. The attack labels (traffic type) ................................................................................... 24

 

4.2. The features of NSL-KDD ........................................................................................... 29

 

4.2.1. Categorical features ........................................................................................... 29

 

4.3. Pre-processing of the NSL-KDD dataset ..................................................................... 34

 

4.3.1. One-hot encoding .............................................................................................. 37

 

4.3.2. Correlation ......................................................................................................... 38

 

4.3.3. X and Y components, scaling the data ................................................................. 43

 

5. Evaluation and results ...................................................................................................... 46

 

5.1. Interpreting the Classification Reports ...................................................................... 48

 

5.2. Evaluation and results compared to relevant research .............................................. 50