Geri Dön

A genetic-based intelligent intrusion detection system

Genetik tabanlı akıllı bir saldırı tespit sistemi

  1. Tez No: 166903
  2. Yazar: HALİL ÖZBEY
  3. Danışmanlar: DOÇ. DR. TAYYAR ŞEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Saldın Tespiti, Genetik Algoritmalar, Makine Öğrenimi, Intrusion Detection, Genetic Algorithms, Machine Learning IV
  7. Yıl: 2005
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 150

Özet

oz GENETİK TABANLI AKILLI BİR SALDIRI TESPİT SİSTEMİ ÖZBEY, Halil Yüksek Lisans, Endüstri Mühendisliği Bölümü Tez Yöneticisi: Doç. Dr. Tayyar ŞEN Eylül 2005, 139 sayfa Bu çalışmada bilgisayar sistemlerinde yeni tip saldırıların tespit edilmesi sorunu ele alınmıştır. Yaygın olarak kullanılan bilgi-tabanlı mekanizmalar bu soruna karşı çaresiz kalmaktadır. Davranış tabanlı prototipler ya hassasiyet ve bütünlük sorunları yaşamakta ya da gerçekte elde olmayan anormal durum verisine gerek duymaktadır. Amacımız hedef sistem için negatif veri kullanmadan tatminkar bir davranış modeli üretebilecek bir algoritma geliştirmektir. İlk olarak Kova Birliği Algoritması'na [8] teşvikler eklenmiş genetik tabanlı makine öğrenimi teknikleri kullanan davranış tabanlı akıllı bir algoritma geliştirilmiştir. Bu algoritma olası durumları normal ve anormal olmak üzere iki sımfa ayırıp anormal gözlemleri bir saldırının varlığının kanıtları olarak yorumlamaktadır. Daha sonra normal davranışı kavramaya odaklanıp yine saldırıları anormal durumları saptayarak algılayan bir model sunulmaktadır. Normal durum verilerinin sürekli olarak eklenip her adımda benzer kural Mülerinin birleştirilmesi ile az yer kaplayan ama yüksek derecede bütünlük arz eden bir kural kümesi elde edilmektedir. KDD-99 veri kümesi ile yapılan testlerde oldukça iyi sonuçlar alınmıştır.

Özet (Çeviri)

ABSTRACT A GENETIC-BASED INTELLIGENT INTRUSION DETECTION SYSTEM ÖZBEY, Haul M.Sc, Department of Industrial Engineering Supervisor: Assoc. Prof. Dr. Tayyar ŞEN September 2005, 139 pages In this study we address the problem of detecting new types of intrusions to computer systems which cannot be handled by widely implemented knowledge- based mechanisms. The solutions offered by behavior-based prototypes either suffer low accuracy and low completeness or require use data eplaining abnormal behavior which actually is not available. Our aim is to develop an algorithm which can produce a satisfactory model of the target system's behavior in the absence of negative data. First, we design and develop an intelligent and behavior-based detection mechanism using genetic-based machine learning techniques with subsidies in the Bucket Brigade Algorithm [8]. It classifies the possible system states to be normal and abnormal and interprets the abnormal state observations as evidences for the presence of an intrusion. Next we provide another algorithm which focuses on capturing normal behavior of the target system to detect intrusions again by identifying anomalies. A compact and highly complete rule set is generated by continuously inserting observed states as rules into the rule set and combining similar rule pairs in each step. Experiments conducted using the KDD-99 data set have produced fairly good results for both of the algorihtms.

Benzer Tezler

  1. Tez No

    461083

    Optimized weighted ensemble classifier for intrusion detection application

    Eniyilenmiş ağırlıklı sınıflandırıcı topluluğu ile saldırı tespit uygulaması

    ATİLLA ÖZGÜR

    Doktora

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik MühendisliğiBaşkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAMİT ERDEM

  2. Tez No

    966884

    A novel hybrid instruction detection system for IOT networks combining feature selection and hyperparameter optimization via GA and SVM

    GA ve SVM aracılığıyla özellik seçimi ve hiperparametre optimizasyonunu birleştiren nesnelerin ağları için yeni bir hibrit talimat tespit sistemi

    HUSSEIN MOHAMMED HOODI AL-RAMMAHI

    Doktora

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM

  3. Tez No

    851343

    Makine Öğrenmesi ve Genetik Algoritma Kullanılarak Anomali Tabanlı Saldırı Tespit Sistemi

    Anomaly Based Intrusion Detection System Using Machine Learning And Genetic Algorithm

    MUSTAFA VEYSEL ÖZSARI

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AYHAN AYDIN

  4. Tez No

    310564

    Destek vektör regresyonu ile PID kontrolör tasarımı

    Design of PID controller via support vector regression

    KEMAL UÇAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. GÜLAY ÖKE

  5. Tez No

    957470

    Siber fiziksel ve endüstriyel sistemlerde davetsiz misafir saldırılarının anormallik tespiti için yapay zeka ve yumuşak hesaplama yöntemlerinin uygulanması

    Application of artificial intelligence and soft computing methods for anomaly detection of intrusion attacks in cyber-physical and industrial systems

    SİNAN ATICI

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜRKAN TUNA

Geri Dön