Sigurnosni napad je neovlašteni pokušaj krađe, oštećenja ili izlaganja podataka iz informacijskog sustava. Izvoditelji tih sigurnosnih napada oslanjaju se na sve sofisticiraniju tehnologiju i svakim danom raste broj novih vrsta cyber napada. Nekad su se sigurnosni napadi mogli izbjeći. U današnje vrijeme, s internetskom vezom dostupnom svugdje i kako sve više softvera zahtijeva internetsku vezu, više nije pitanje hoće li se dogoditi sigurnosna prijetnja, nego je pitanje vremena kada će se dogoditi narušavanje online sigurnosti. Danas postoji softver za otkrivanje prijetnji (eng. Intrusion Detection System, IDS) koji nadgleda mrežni promet i traži poznate prijetnje i sumnjive ili zlonamjerne aktivnosti, a dolazi u nizu različitih vrsta i mogućnosti. Zadatak ovog završnog rada jest izraditi model koji, uz pomoć učenja na određenom dijelu podataka, može prediktirati je li ili nije riječ o sigurnosnom napadu.. Rješenje je implementirano binarnom i višeklasnom klasifikacijom. Algoritmi korišteni za predikciju su Gaussov Naive Bayes algoritam, K-sljedećih susjeda i stablo odlučivanja. Sam programski kod je pisan u Python programskom jeziku. Kao razvojno okruženje koriste se Jupyter Notebook i Anaconda IDE. Za procese nad podatcima korišteni su NumPy, Pandas, Scikit-learn i Imblearn. Za vizualne prikaze koriste se Matplotlib i Seaborn. U uvodnom dijelu opisuje se utjecaj strojnog učenja i sigurnosnih napada u današnje vrijeme. U teoretskom dijelu ovog rada ukratko su objašnjeni Python programski jezik, razvojno okruženje Anaconda i Jupyter Notebook te individualne biblioteke potrebne za procese nad podatcima i izradu modela. Također je objašnjena teorija iz strojnog učenja i osnovna podjela te neki od popularnijih algoritama za učenje. Opisani su algoritmi korišteni za predikciju. Nakon toga opisana je procedura izrade prediktivnog modela koja se sastoji od validacije podataka (prikupljanje, unos, čišćenje, analiza, vizualiziranje, transformacija), treniranja podataka te na kraju implementacija na setu za testiranje uz prikaze performansi s klasifikacijskim izvještajem i konfuzijskim matricama.