Öz-düzenlemeli harita (SOM) kullanarak DDoS saldırılarının sınıflandırılması
Classification of DDoS attacks using self-organizing maps (SOM)
- Tez No: 212978
- Danışmanlar: YRD. DOÇ. DR. EMİN GERMEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering, Engineering Sciences
- Anahtar Kelimeler: Öz-Düzenlemeli Harita, LVQ3, DDoS, OMNeT++, INET, TFN2K, Self Organizing Map, LVQ3, DDoS, OMNeT++, INET, TFN2K
- Yıl: 2007
- Dil: Türkçe
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Bu tezde, DDoS saldırılarının, Öz-Düzenlemeli Harita kullanılarak, ağ üzerindeki normal trafikten ayrıştırılması üzerine çalışılmıştır. OMNeT++ ağ simülasyon motoru ve INET ağ simülasyonu kütüphanesi kullanılarak bir DDoS saldırısı simüle edilmiş ve bu saldırı sırasında ortaya çıkan paketler kaydedilmiştir. Ağ üzerindeki paketlerin, IP ve TCP başlığından kaynak kapı, hedef kapı, yük uzunluğu ve pencere boyutu parametreleri seçilmiştir. Bu parametreler her bir paket için bir girdi vektörü haline getirilmiştir. Hazırlanan bu vektörler bir Öz-Düzenlemeli Harita kullanılarak sınıflandırılmaya çalışılmıştır. Öz-Düzenlemeli Harita sonucunda oluşan ağ LVQ3 algoritması kullanılarak gruplanmış ve normal trafiğin, saldırı trafiğinden başarıyla ayrıştırılabildiği gözlenmiştir. Çıkan sonuçlar ışığında geliştirilen yöntemin nasıl gerçeklenebileceği tartışılmıştır.
Özet (Çeviri)
In this thesis, classification of DDoS attacks using Self Organizing Maps (SOM) is studied. Using OMNeT++ network simulation engine and INET network simulation library, a DDoS attack network is simulated and during this attack, generated packets are recorded. Using these packets, source port, destination port, payload length, and window size parameters of IP headers, and TCP headers are selected. For each packet, an input vector is created using these parameters. These input vectors have been classified using a self organizing map. Resulting network of SOM has been clustered using LVQ3 algorithm. Using the results, implementation of the developed technique is discussed.
Benzer Tezler
- FPGA donanımı üzerinde araç plakası tanıma sistemi
Car licence plate recognition system on FPGA hardware
HAKAN CANER
Yüksek Lisans
Türkçe
2006
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. SELÇUK GEÇİM
- A Self-organizing map algorithm in the general metric
Bir genel metrik kullanan özdüzenlemeli harita algoritması
KEREM CAN ÖZKISACIK
Yüksek Lisans
İngilizce
2001
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. İ. KUBAN ALTINEL
- Unsupervised texture segmentation with Markov random fieled models and self organizing maps
Markov rasgele alan modelleri ve özdüzenlemeli haritalar ile gözetimsiz doku bölütlemesi
MESUT GÖKTEPE
Doktora
İngilizce
1996
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEŞE YALABIK
- Prediction of protein subcellular localization using global protein sequence feature
Evrensel protein dizi özelliğinin kullanılarak protein hücresel sınıflandırılmasının tahmini
BURÇİN BOZKURT
Yüksek Lisans
İngilizce
2003
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN ATALAY
- Elektrokardiyogram verilerinin iyileştirilmiş yapay arı kolonisi (MABC) algoritması ile analizi
Analysis of electrocardiogram data by using modified artificial bee colony (MABC) algorithm
SELİM DİLMAÇ
Doktora
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ