Geri Dön

Bilgisayar ağlarında makine öğrenimi algoritmalarını kullanarak izinsiz giriş tespiti

Determination of intensive entry by using machine learning algorithms on computers

  1. Tez No: 532919
  2. Yazar: MEYSAM AHANPANJEH
  3. Danışmanlar: PROF. DR. SERDAR AYDIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: İzinsiz giriş algılama sistemi, özellik seçimi, destek vektör makinesi, K en yakın komşu algoritması, Intrusion detection system, Feature selection, support vector machine, K nearest neighbors
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Atatürk Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 103

Özet

İzinsiz giriş tespit sistemi, bilgisayar ağlarında güvenlik tehditlerini algılamak ve önlemek amacıyla kullanılmaktadır. Saldırıları tespit etmek ve tanımlamak için, hesaplamaların hacmini azaltmak amacıyla tanılama sürecinde yararlı olan uygun özelliklerin seçilmesi gerekmektedir. Uygun özelliklerin seçimi, sınıflandırma algoritmalarının uygulanması için yer ve zaman yükünü azaltmaktadır. Bu tez çalışmasında uygun özelliklerin seçimi için K en yakın komşu algoritması, örneklerin sınıflandırılması için ise destek vektör makinesi kullanılmıştır. Destek vektör makinesi verileri önceden belirlenmiş kategorilere göre yeni bir alana almakta, böylece veriler doğrusal olarak (veya hiper düzlemle (Hyper Plane)) kategorilere ayrılabilmektedir. Bu tez çalışmasında 41 özellik içeren KDD99 veri tabanı kullanılmıştır. Sonuçlar, doğruluk ve DR değerinin sırasıyla 92.61 ve 92.06 olduğunu göstermektedir. Ayrıca, FAR değeri 100 tekrar ile karşılaştırıldığında 200 tekrar durumundan daha az bulunmuştur.

Özet (Çeviri)

The detection system is used to identify and prevent computer network security threats. The selection of proper and useful features in the intrusion detection system is one of the most important issues. Selecting features will reduce the space and time burden for the implementation of classification algorithms. In this thesis, the closest neighbor of the K algorithm is used for property selection. In order to identify and identify attacks, it is necessary to select important features that are useful in the diagnostic process in order to reduce the volume of calculations. A support vector machine is also used to classify instances. The support vector machine takes the data in a new area according to the predetermined categories so that the data can be divided into categories linearly (or hyperplane) (Hyper Plane). In this thesis, KDD99 database containing 41 features is used. The results show that accuracy and DR values are 92.61 and 92.06, respectively. Also, the FAR value is less than 200 cases compared to 100 replicates.

Benzer Tezler

  1. Evaluation and classification intrusion detection system for IoT networks by using different machine learning algorithm

    Farklı makine öğrenme algoritması kullanarak IoT ağları için değerlendirme ve sınıflandırma saldırı tespit sistemi

    QAYSSAR DHEYAA MOHSIN MOHSIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ OGUZ KARAN

  2. Siber saldırıların tespitinde yapay zekâ tabanlı algoritma tasarımı

    Ai-based algorithm design in detection of cyber attacks

    AHMET NUSRET ÖZALP

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZAFER ALBAYRAK

  3. Anomaly-based intrusion detection systems using machine learningalgortihim

    Başlık çevirisi yok

    KARRAR ALI AWAD AL-JUBOORI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN NURİ UÇAN

  4. Analysis of network security using machine learning methods

    Makine öğrenmesi yöntemleri kullanılarak ağ güvenirliği analizi

    MARYAM SALATI

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. İMAN ASKERBEYLİ

  5. An efficient approach for intrusion detection system based on machine learning

    Makine öğrenimine dayalı etkin bir yaklaşım tespiti tespit sistemi

    AHMED KHUDUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilim ve TeknolojiBahçeşehir Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    DOÇ. DR. TAMER UÇAR