Outlier detection with K nearest neighbor clustering
En yakın K komşu kümelemesi ile aykırı durumların tespiti
- Tez No: 243798
- Danışmanlar: YRD. DOÇ. DR. GÖKHAN DALKILIÇ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
- Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: 80
Özet
Kablosuz ağ servisi yapan bir sunucu güçlü güvenlik sistemlerine ihtiyaç duymaktadır. Bu amaç için, ağ güvenliğine, aykırı durum tespiti, kümeleme ve sınıflandırma gibi veri madenciliği paradigmaları kullanılarak yeni bir perspektif kazandırılır. Bu çalışma hem ilk aşamadaki kümeleme hem de sonrasındaki sınıflandırma için en yakın k komşu algoritmasını kullanır. En yakın k komşu algoritması kümeleme için kullanıcı profillerini anlamlaştıran veri ambarına ihtiyaç duyar. Bu nedenle, sunucudan istekte bulunulduğu zaman aralıkları ve doküman madenciliğinden geçmiş, istek IP adresleri kullanılacaktır. Ağdaki kullanıcılar, yeni bir yaklaşımla, en yakın k komşu algoritmasının k ve eşik değer parametrelerinin uygun değerlerinin hesaplanması ile kümelenir. Sonuç olarak, oluşan bu kümeler üzerinden, öncelikli ağırlık değerleri farklı olan, farklı eşik değerlerle ve öncelikli ağırlık değerleri farklı olan ortalama benzerliklerle, yeni isteklerin bir aykırı durummu yoksa normal mi oldukları ayırt edilebilecektir.
Özet (Çeviri)
A server which serves wireless network needs strong security systems. For this aim, a new perspective to network security is won by using data mining paradigms like outlier detection, clustering and classification. This study uses k-Nearest Neighbor algorithm for both firstly clustering and then classification. K- NearestNeighbor algorithm needs data warehouse which impersonates user profiles to cluster. Therefore, requested time intervals and requested IPs with text mining are used for user profiles. Users in the network are clustered by calculating optimum k and threshold parameters of k-Nearest Neighbor algorithm with a new approach. Finally, over these clusters, new requests are separated as outlier or normal bydifferent threshold values with different priority weight values and average similarities with different priority weight values.
Benzer Tezler
- Unsupervised anomaly detection algorithms
Denetimsiz anomali tespit algoritmaları
BEYZA KIZILKAYA
Yüksek Lisans
İngilizce
2019
İstatistikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ENGİN YILDIZTEPE
- Makine öğrenmesi tabanlı kullanıcı davranış analizi ile bilgisayar sistemlerine giriş kayıtlarında anomali tespiti
Anomaly detection in computer system login records with machine learning based user behaviour analysis
ERHAN YILMAZ
- Huzursuz bacak sendromlu hastalarda makine öğrenmesi yöntemleri ile elektrofizyolojik sinyal kayıtlarının incelenmesi
Investigation of electrophysiological signal records by machine learning methods in patients with restless legs syndrome
SEDA KAYA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ METE YAĞANOĞLU
- Step length estimation using sensor fusion for indoor positioning
İç mekan konumlandırması için sensor füzyonu ile adım uzunlugu tahmini
HASBİ SEVİNÇ
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN İNCE
- Variable shaped detector:A negative selection algorithm
Değişken şekilli detektör: Bir negatif seçme algoritması
ZAFER ATASER
Doktora
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FERDA N. ALPASLAN