Geri Dön

Modified stacking ensemble machine learning method for network intrusion detection

Ağ ihlalinin tespiti için modifiye edilmiş istifleme topluluk makine öğrenme tekniği

PDF İndir

  1. Tez No: 519849
  2. Yazar: NECATİ DEMİR
  3. Danışmanlar: DR. ÖĞR. ÜYESİ GÖKHAN DALKILIÇ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 111

Özet

Makine öğrenmesi (MÖ) internet uzerindeki veri boyutlarının eksponansiyel olarak artması sonucunda, akademik çalışmalarda hali hazırda zaten biliniyor olmasına rağmen, yüksek bir popülerliğe sahip olmaya başladı. Bunla beraber, bu yüksek hacimli veriden herhangi bir kural çıkartmak ya da örüntüler bulmak gittikçe zorlaşmaya başladı. MÖ örüntü bulma ve kuralların otomatik olarak çıkarılması alanında önemli bir rol oynamaya başladı.Çok sayıda kişinin internete erişmesi ve akıllı cep telefonlara sahip olmasıyla beraber, internet üzerindeki olası tehditler ağ güvenliği çalışmalarında önemli bir konu olmaya başladı. Ağ saldırılarının tespitinde kullanılan geleneksel yöntem imza bazlı kuralların (önceden belirlenmiş kurallar) kullanılmasıdır, ki bu kurallar aynı saldırı tipinde olsa bile bilinmeyen imzaya sahip saldırıları tespit edemez. Son yıllarda, MÖ ağ güvenliği çalışmalarında daha sıkça kullanılmaya başlandı. Bu çalışma ağ saldırılarının tespitinde kullanılması amacıyla stacking ensemble makine öğrenmesi yöntemin üzerine kurgulanmıştır. Bu çalışmada, ağ saldırılarının tespitinde MÖ yöntemlerinin performansını arttırmasıyla amacıyla iki yöntem önerilmiştir. İlk olarak, istifleme topluluk (stacking ensemble) yönteminin performansını arttırmak amacıyla farklı birleştirme algoritmaları ve farklı taban model seçme yöntemleri kullandık ve geleneksel makine öğrenmesi yöntemleriyle karşılaştırınca başarılı sonuçlar aldık. İkincil olarak, bir önceki çalışmanin baz model seçme aşamasında genetik algoritma kullandık.

Özet (Çeviri)

Machine learning (ML) methods became highly popular since the amount of the data produced on the Internet started increasing exponentially, although it was a known topic in academic studies before that era. It started becoming highly hard to extract rules from this huge amount of data or find patterns. ML started playing an important role in the area of finding patterns and extracting rules. With increasing number of people accessing the Internet and having smart mobile phones, the possible threats in the Internet became important topic in network security studies. The conventional way of detection network intrusion is to use signature based rules (pre-defined rules), where this type of rules can't detect unknown signatures even though the type of the attack is the same. In last decade, ML started to be used in network security studies more often. This study is based on using stacking ensemble machine learning method for the purpose of detecting network intrusion. In this study, we propose two different methods to improve the performance of ML methods to detect network intrusion. Firstly, we used different combination algorithms and different base model selection methods to improve the performance of stacking ensemble method which provided significant results when it is compared to conventional machine learning methods. Secondly, we used genetic algorithm to for the base model selection phase of the first study.

Benzer Tezler

  1. Tez No

    507895

    Static aeroelastic modeling and parametric study of stacking sequence for laminated composite missile fins

    Katmanlı kompozit yapıdaki füze kanatlarının statik aeroelastik modellemesi ve parametrik serim açısı çalışması

    GÖKTUĞ MURAT ASLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Havacılık MühendisliğiOrta Doğu Teknik Üniversitesi

    Havacılık ve Uzay Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DİLEK FUNDA KURTULUŞ

  2. Tez No

    436609

    Karbon nanotüplerin iyonik karakterli yüksek dallanmış kopolimerlerle su içerisinde disperse edilmesi ve özelliklerinin incelenmesi

    Dispersion of carbon nanotubes via ionic hyperbranched copolymers in water using π-π stacking interactions and investigation of their properties

    MERVE ÜN

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Polimer Bilim ve TeknolojisiYalova Üniversitesi

    Polimer Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSMAİL GÖKHAN TEMEL

  3. Tez No

    88067

    Afşin-Elbistan linyitlerinin sınıflandırılarak termik santralin performansı üzerindeki etkilerinin araştırılması

    Classification of the Afşin-Elbistan lignites and determination of the effect of its on the power station

    SUPHİ URAL

    Doktora

    Türkçe

    Türkçe

    1999

    Maden Mühendisliği ve MadencilikÇukurova Üniversitesi

    Maden Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET HAKAN ONUR

  4. Tez No

    784389

    Pyridine-peg functionalized graphene nucleants for protein crystallization

    Piridin-peg ile işlevlendirilmiş grafenin protein kristalizasyonu için nükleant olarak kullanımı

    CEM MERİÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    KimyaSabancı Üniversitesi

    Malzeme Bilimi ve Nanomühendislik Ana Bilim Dalı

    DOÇ. DR. MUSTAFA KEMAL BAYAZIT

  5. Tez No

    684301

    Transparent graphene anodes for organic light emittingdiodes

    Organik ışık yayan diyotlar için şeffafgrafen anotları

    PARISA SHARIF

    Doktora

    İngilizce

    İngilizce

    2021

    Fizik ve Fizik MühendisliğiOrta Doğu Teknik Üniversitesi

    Mikro ve Nanoteknoloji Ana Bilim Dalı

    PROF. DR. AHMET ORAL

Geri Dön