Sunucularda makine öğrenme algoritmaları ile erkenanomali tespiti
Early detection of server anomalies using machinelearning algorithms
- Tez No: 1007509
- Danışmanlar: DOÇ. DR. ATINÇ YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgi Teknolojileri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması, kurumsal sunucu altyapılarında anomali tespiti için veri odaklı ve çok katmanlı bir makine öğrenimi yaklaşımı önermektedir. Çalışmada, gerçek bir BT ortamındaki ondokuz sunucudan bir hafta boyunca toplanan çok değişkenli performans metrikleri kullanılmış; veriler zaman senkronizasyonu, eksik değer giderme, uç değer düzenleme ve özellik çıkarımı adımlarından geçirilmiştir. Ayrıca Z-Score, IQR ve Isolation Forest tabanlı otomatik etiketleme yöntemleri uzman doğrulamasıyla birleştirilerek hibrit bir etiketleme stratejisi geliştirilmiştir. Dört anomali tespit algoritması (Isolation Forest, LOF, One-Class SVM, Elliptic Envelope) hem per-server hem de global veri setleri üzerinde değerlendirilmiştir. Per-server modellerin sunucuya özgü davranış örüntülerini daha doğru temsil ettiği ve özellikle yüksek precision değerleriyle başarılı sonuçlar ürettiği görülmüştür. Global model ise tüm altyapıya ilişkin genel davranış eğilimlerini yakalamakta etkili olsa da, heterojen sunucu davranışları nedeniyle per-server modellerin ortalama başarısının gerisinde kalmıştır. Sonuç olarak tez, kurumsal ortamlarda anomali tespiti için bağlam duyarlı per- server modellemenin yüksek doğruluk sunduğunu; global modelin ise sistem geneli görünürlük açısından tamamlayıcı bir rol üstlendiğini ortaya koymaktadır. Bu yaklaşımın, BT izleme süreçlerinin iyileştirilmesi, yanlış alarm oranlarının azaltılması ve sistem kararlılığının artırılması açısından uygulanabilir bir çözüm sunduğu değerlendirilmektedir.
Özet (Çeviri)
This thesis proposes a data-driven and multi-layered machine learning approach for anomaly detection in enterprise server infrastructures. The study utilizes multivariate performance metrics collected over one week from twenty servers operating in a real corporate IT environment. The raw data underwent time-series synchronization, missing value handling, outlier correction, and feature extraction processes. In addition, a hybrid labeling strategy was developed by combining automatic labeling methods based on Z-Score, IQR, and Isolation Forest with expert validation. Four anomaly detection algorithms—Isolation Forest, Local Outlier Factor (LOF), One-Class SVM, and Elliptic Envelope—were evaluated on both per-server (local) and global (combined) datasets. The results show that per-server models more accurately capture server-specific behavioral patterns and produce strong results, particularly through their high precision scores. While the global model effectively captures system-wide behavioral trends, its overall performance remains lower than that of the per-server models due to the heterogeneity of server workloads. In conclusion, the thesis demonstrates that context-aware per-server modeling provides higher accuracy for anomaly detection in enterprise environments, while the global model serves as a complementary layer by offering system-wide visibility. This approach is assessed to provide a practical and applicable solution for improving IT monitoring processes, reducing false-positive rates, and enhancing overall system stability.
Benzer Tezler
- Anomaly detection in ınternet of medical things using deep learning
Anomaly detect ionin internet of medical things using deep learning
AYŞE BETÜL BÜKEN
- Doğrusal programlama yardımı ile işletme biriminde tarımsal mekanizasyon planlaması
Başlık çevirisi yok
HANDAN YAKUT
- Canavarotuna (Orobanche spp.) dayanıklılık ve canavarotunun ırkları üzerine araştırmalar
Başlık çevirisi yok
M.ARZU ÖZKANER
- Sofralık sultanı çekirdeksiz üzüm üretiminde bazı uygulamaların meyve kalitesine etkileri üzerinde araştırmalar
Başlık çevirisi yok
SEVAL YILDIRIM
- Çalışan kadınların dış giyim ihtiyaçlarının karşılanması
Başlık çevirisi yok
PERİHAN LOKMANOĞLU
Yüksek Lisans
Türkçe
1987
Gazi ÜniversitesiGiyim Endüstrisi ve Giyim Sanatları Ana Bilim Dalı
Yükleniyor...
