Geri Dön

Anomaly based detection of DDoS attack using discrete transform and machine learning techniques

Ayrık dönüşüm ve makine öğrenme teknikleri kullanılarak DDoS saldırısının anomali tespit edilmesi

  1. Tez No: 528883
  2. Yazar: MOHAMMED S.M SALIM
  3. Danışmanlar: YRD. DOÇ. DR. SEÇKİN ARI
  4. Tez Türü: Yüksek Lisans
  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: Sakarya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 76

Özet

Dağıtılmış Hizmet Reddi (DDoS) saldırıları, internetteki herhangi bir çevrimiçi hizmet için ciddi bir tehdittir. Diğer geleneksel tehditlerin aksine, DDoS HTTP GET sel saldırısı, kurbanını kullanılmayan ağ trafiğiyle sel tarafından herhangi bir çevrimiçi hizmetin etkin bir şekilde inkar edilmesi için meşru HTTP istek mekanizmasını kullanabilir. Bu yazıda DDoS HTTP GET isteklerini ve yasal isteklerin davranışsal özelliklerin bir kombinasyonunu kullanarak ayırt edilmesine yönelik yeni bir anomaliye dayanan teknik tanıtılmaktadır. Seçilen ana özellikler, istenen nesnelerin çeşitliliği, istenen tüm nesneler için oranlar talep edilmesi ve istenilen nesne için en yüksek frekansla talep oranıdır. Bu parametreler önerilen sistemde etkin ayrımcılık için birlikte kullanılacak önerilen özellikler olarak seçilmiştir.

Özet (Çeviri)

Distributed Denial of Service (DDoS) attacks is a serious threat to any online service on the internet. In contrast to other traditional threats, DDoS HTTP GET flood attack can exploit legitimate HTTP request mechanism to effectively deny any online service by flooding the victim with an overwhelming amount of unused network traffic. This paper introduces a new anomaly-based technique for discriminating between DDoS HTTP GET requests and legitimate requests using a combination of behavioural features. The main selected features are the diversity of the requested objects, requesting rates for all the requested objects, and request rate for the requested object with the most frequency. These parameters are selected as the proposed features that will be used together for effective discrimination within the proposed system.

Benzer Tezler

  1. Gezgin etmenler ve doğadan esinlenen sezgiseller kullanarak dağıtık bilgisayar güvenliğinin sağlanması

    Distributed computer security using mobile agents and nature inspired algorithms

    UĞUR AKYAZI

    Doktora

    Türkçe

    Türkçe

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. A. ŞİMA ETANER UYAR

  2. Çevrimiçi sistemlerde makine öğrenme yöntemi ile dağıtılmış hizmet reddi (DDoS) saldırılarının tespiti

    Distributed denial of service (DDoS) attacks detection by usingmachine learning methods on online systems

    DİLEK BAŞKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. REFİK SAMET

  3. DoS attack detection and mitigation

    Başlık çevirisi yok

    İLKER ÖZÇELİK

  4. Distance approximations between high and multi-dimensional structures

    Yüksek ve çok boyutlu yapılar arasındaki mesafe yaklaşımları

    MURAT SEMERCİ

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ TAYLAN CEMGİL

  5. DDoS detection in IoT network using machine learning

    Makine kullanarak IoT ağında DDoS tespiti öğrenme

    OMER BASIM AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ OĞUZ KARAN