ANÁLISIS COMPARATIVO DEL RENDIMIENTO DE MODELOS DE APRENDIZAJE AUTOMÁTICO PARA LA DETECCIÓN DE INTRUSIONES USANDO EL DATASET CIC-IDS2017

Katherine Adriana Merino Villa; Juan Carlos Yungán Cazar; Edgar Gualberto Salazar Alvarez; Diego Alejandro Cáceres Veintimilla

doi:10.56519/bvpms658

Autores/as

Katherine Adriana Merino Villa Escuela Superior Politécnica de Chimborazo – Ecuador Autor/a https://orcid.org/0009-0001-0616-9611
Juan Carlos Yungán Cazar Escuela Superior Politécnica de Chimborazo – Ecuador Autor/a https://orcid.org/0000-0001-5682-0399
Edgar Gualberto Salazar Alvarez Escuela Superior Politécnica de Chimborazo – Ecuador Autor/a https://orcid.org/0000-0003-0988-0641
Diego Alejandro Cáceres Veintimilla Escuela Superior Politécnica de Chimborazo – Ecuador Autor/a https://orcid.org/0000-0003-0498-1240

DOI:

https://doi.org/10.56519/bvpms658

Palabras clave:

aprendizaje automático, ciberseguridad, CIC-IDS2017, detección de intrusiones, Random Forest, tráfico de red

Resumen

El incremento de infraestructuras tecnológicas, de ciberamenazas y del volumen de tráfico de red, ha convertido a la detección de intrusiones como un componente crítico en ciberseguridad. Por lo anterior mencionado, el presente estudio realizó una evaluación comparativa del desempeño de los algoritmos Random Forest, Support Vector Machine y Naive Bayes, con respecto a la clasificación de tráfico. Como marco experimental, se empleó el dataset CIC-IDS2017, bajo un enfoque cuantitativo de tipo experimental, analizando tráfico BENIGN y ataques DDoS y PortScan, se trabajó con más de un millón de registros, los cuales siguieron los procesos de limpieza transformación numérica e imputación de datos faltantes. Posteriormente se seleccionaron 300 000 registros para entrenar los modelos y poder evaluarlos con las métricas de exactitud, precisión, recall y F1-score. Además, se evaluó la interacción e importancia de las variables, matrices de confusión y la correlación entre características del tráfico de red. Los resultados obtenidos evidenciaron que Random Forest presentó el mejor desempeño, alcanzando una exactitud cercana al 99.98 % y mostrando una alta capacidad para diferenciar tráfico. Por otro lado, Support Vector Machine obtuvo una exactitud aproximada del 80.74 %, con limitaciones para identificar ataques PortScan. En contraste, Naive Bayes registró el rendimiento más bajo con una exactitud de 44.62 %, evidenciando dificultades para trabajar con datasets complejos y con variables correlacionadas. El análisis de importancia de características permitió determinar que variables vinculadas al volumen de tráfico, al tamaño de los paquetes y al comportamiento estadístico de las transmisiones son determinantes para distinguir el tipo de tráfico. Estos hallazgos, evidencia que Random Forest es la opción más equilibrada: combina alta capacidad de generalización, resistencia al sobreajuste y eficiencia computacional, lo que lo hace adecuado para desplegar sistemas IDS basados en aprendizaje automático en redes reales, entornos donde la correlación entre variables es alta.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Alauthman M, Aslam N, Al-kasassbeh M, Khan S, Al-Qerem A, Choo KKR. A multiagent and machine learning based hybrid NIDS for intrusion detection. International Journal of Advanced Computer Science and Applications. 2021;12:858–868. doi: 10.14569/IJACSA.2021.0120843.

AlSharman SAD, Alenezi MN, Alabdulkarim A. A detailed inspection of machine learning based intrusion detection systems. IoT. 2024;5:34. doi: 10.3390/iot5040034.

Belavagi MC, Muniyal B. Performance evaluation of supervised machine learning algorithms for intrusion detection. Procedia Comput Sci. 2016;89:117–123. doi: 10.1016/j.procs.2016.06.016.

Lucas TJ, De Figueiredo IS, Tojeiro CAC, De Almeida AMG, Scherer R, Brega JRF. A comprehensive survey on ensemble learning-based intrusion detection approaches in computer networks. IEEE Access. 2023;11:117699–117728. doi: 10.1109/ACCESS.2023.3328535.

Gu J, Lu S. An effective intrusion detection approach using SVM with naïve Bayes feature embedding. Comput Secur. 2021;103:102158. doi: 10.1016/j.cose.2020.102158.

Liu C, Gu Z, Wang J. A hybrid intrusion detection system based on scalable K-means+ random forest and deep learning. IEEE Access. 2021;9:75729–75740. doi: 10.1109/ACCESS.2021.3080898.

Sharafaldin I, Lashkari AH, Ghorbani AA. Toward generating a new intrusion detection dataset and intrusion traffic characterization. Proceedings of the 4th International Conference on Information Systems Security and Privacy. Madeira; 2018. p. 108–116.

Maseer ZK, Yusof R, Bahaman N, Mostafa SA, Foozy CFM. Benchmarking of machine learning for anomaly based intrusion detection systems in the CICIDS2017 dataset. IEEE Access. 2021;9:22351–22370. doi: 10.1109/ACCESS.2021.3056614.

Doménech J, León O, Siddiqui MS, Pegueroles J. Evaluating and enhancing intrusion detection systems in IoMT: The importance of domain-specific datasets. Internet of Things. 2025;32:101631. doi: 10.1016/j.iot.2025.101631.

Al-Hawawreh M, Sitnikova E, Aboutorab N. The intrusion detection system by deep learning methods. International Arab Journal of Information Technology. 2022;19:529–538. doi: 10.34028/iajit/19/3A/10.

Abbas A, Khan MA, Latif S, Ajaz M, Shah AA, Ahmad J. A new ensemble-based intrusion detection system for internet of things. Arab J Sci Eng. 2022;47:1805–1819. doi: 10.1007/s13369-021-06086-5.

Zhao R, Mu Y, Zou L, Wen X. A hybrid intrusion detection system based on feature selection and weighted stacking classifier. IEEE Access. 2022;10:71414–71426. doi: 10.1109/ACCESS.2022.3187631.

Ahmim A, Maglaras L, Ferrag MA, Derdour M, Janicke H. A Novel Hierarchical Intrusion Detection System based on Decision Tree and Rules-based Models. 2018;

Chen Z, Yu W, Zhou L. ADASYN-Random Forest Based Intrusion Detection Model. 2022; doi: 10.1145/3483207.3483232.

Wisanwanichthan T, Thammawichai M. A double-layered hybrid approach for network intrusion detection system using combined naive Bayes and SVM. IEEE Access. 2021;9:138432–138450. doi: 10.1109/ACCESS.2021.3118024.

Goeschel K. Reducing false positives in intrusion detection systems using data-mining techniques utilizing support vector machines, decision trees, and naive Bayes for off-line analysis. Proceedings of SoutheastCon. Norfolk; 2016.

Dina AS, Siddique AB, Manivannan D. Effect of balancing data using synthetic data on the performance of machine learning classifiers for intrusion detection in computer networks. IEEE Access. 2022;10:96731–96747. doi: 10.1109/ACCESS.2022.3205092.

Talukder MA, Islam MM, Uddin MA, Moni MA. Machine learning-based network intrusion detection for big and imbalanced data using oversampling, stacking feature embedding and feature extraction. J Big Data. 2024;11:32. doi: 10.1186/s40537-024-00886-w.

Ahmetoğlu H, Kaçar S, Yıldırım S. Analysis of feature selection approaches in large scale network intrusion detection. 2020 28th Signal Processing and Communications Applications Conference (SIU). Gaziantep; 2020.

Adenusi DA, Adedoyin FF, Misra S, Damasevicius R. Data-driven network intrusion detection using optimized machine learning models. Front Appl Math Stat. 2025;11:100339. doi: 10.3389/fams.2025.100339.

Du J, Yang K, Hu Y, Jiang L. NIDS-CNNLSTM: Network intrusion detection classification model based on deep learning. IEEE Access. 2023;11:24808–24821. doi: 10.1109/ACCESS.2023.3251451.

Abid A, Khan MT, Iwendi C, Mittal M. Distributed deep learning approach for intrusion detection systems. Cyber-Physical Systems. 2023;9:275–291. doi: 10.1080/24751839.2023.2239617.

Nalepa J, Kawulok M. Selecting training sets for support vector machines: a review. Artif Intell Rev. 2019;52:857–900. doi: 10.1007/s10462-017-9611-1.

Cervantes J, Garcia-Lamont F, Rodríguez-Mazahua L, Lopez A. A comprehensive survey on support vector machine classification: Applications, challenges and trends. Neurocomputing. 2020;408:189–215. doi: 10.1016/j.neucom.2019.10.118.

Hamidou ST, Mehdi A. Enhancing IDS performance through a comparative analysis of Random Forest, XGBoost, and Deep Neural Networks. Machine Learning with Applications. 2025;22:100738. doi: 10.1016/j.mlwa.2025.100738.

Chavan P V., Alone N V. Optimizing Intrusion Detection with Random Forest: A High-Accuracy Approach Using CIC-IDS 2017. Int J Comput Appl. 2025;187:17–22. doi: 10.5120/ijca2025924816.

Kurniabudi, Stiawan D, Darmawijoyo, Bin Idris MY, Bamhdi AM, Budiarto R. CICIDS-2017 Dataset Feature Analysis With Information Gain for Anomaly Detection. IEEE Access. 2020;8:132911–132921. doi: 10.1109/ACCESS.2020.3009843.

Hamidou ST, Mehdi A. Enhancing IDS performance through a comparative analysis of Random Forest, XGBoost, and Deep Neural Networks. Machine Learning with Applications. 2025;22:100738. doi: 10.1016/j.mlwa.2025.100738.

Saidane S, Telch F, Shahin K, Granelli F. Optimizing Intrusion Detection System Performance Through Synergistic Hyperparameter Tuning and Advanced Data Processing [Internet]. 2024. Available from: https://arxiv.org/abs/2408.01792.