Anomaly-based cyber intrusion detection system with ensemble classifier
Topluluk öğrenmesiyle anomali tabanlı siber ihlal tespit sistemi
- Tez No: 539903
- Danışmanlar: DOÇ. DR. BANU GÜNEL KILIÇ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Günümüzde, siber saldırılar giderek artan bir şekilde meydana gelmektedir. Bununla birlikte, siber saldırıların çeşitliliği, büyüklüğü ve yoğunluğu artmaktadır. Güvenlik cihazlarının logları incelendiğinde, büyük miktarda saldırı izi elde edilmektedir. Ayrıca, insanlar için logların doğru olarak değerlendirmesi de zordur. Bu nedenle, bu çok büyük veri setinden bir saldırıyı ayırt etmek için kullanılabilecek anahtar verilerin tanımlanması hem saldırıların hızlı tespiti hem de güvenlik cihazlarının hızlı bir şekilde tepki göstermesi açısından önemlidir. Bu çalışma, makine öğrenmesi yoluyla loglardan uygun verilerin seçimine ve bu verilerin seçiminde bir saldırıya özgü ayırt edici özelliklerin belirlenmesine odaklanmaktadır. Seçilen özellikler kullanılarak, bir sınıflandırma metodolojisi önerilmiştir. Sonuç olarak, 19 özellik ile önerilen model kullanılarak %80,20 ortalama doğruluk başarılmıştır. Ayrıca, DoS ve Exploit sınıflarında daha iyi bir tespit oranı elde edilmiştir.
Özet (Çeviri)
Nowadays, cyberattacks are occurring progressively. Along with this, diversity, size and density of the cyberattacks are increasing. When the logs of security devices are analyzed, massive amounts of attack signs are detained. Besides, it is also difficult for humans to evaluate the logs accurately. Therefore, the identification of key data, which can be used to distinguish an attack from this very large data set, is important for both rapid detection of attacks and rapid response of security devices. This study focuses on selection of appropriate features from logs via machine learning and determining the distinctive attributes specific to an attack in the selection of these data. Based on the selected features, a classification methodology is proposed. As a result, 80.20% overall accuracy has been achieved using the proposed model with 19 features. Moreover, a better detection rate on DoS and Exploit classes has been obtained.
Benzer Tezler
- Nesnelerin interneti tabanlı ağ trafiğinde ileri makine öğrenimi ve derin öğrenme yöntemleri ile anomali tespiti
Anomaly detection in internet of things based network traffic with advanced machine learning and deep learning methods
YAĞIZ ONUR KOLCU
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAfyon Kocatepe ÜniversitesiBilgisayar Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET HAŞİM YURTTAKAL
- Anomaly-based intrusion detection using machine learning: a case study on probing attacks
Makina öğrenmesi ile kurumsal bir ağda anomali tabanlı siber ihlal tespit sistemi: keşif saldırıları üzerinde bir vaka çalışması
EMRAH TUFAN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiSiber Güvenlik Ana Bilim Dalı
DOÇ. CENGİZ ACARTÜRK
DR. ÖĞR. ÜYESİ CİHANGİR TEZCAN
- Saldırı tespit ve engelleme sistemleri için yapay zeka tabanlı yeni bir güvenlik modelinin oluşturulması
Building a new artificial intelligence based security model for intrusion detection and prevention systems
İLHAN FIRAT KILINÇER
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULKADİR ŞENGÜR
DOÇ. DR. FATİH ERTAM
- Nesnelerin interneti ekosisteminde yapay zeka tabanlı saldırı tespit sistemi geliştirilmesi
Developing an artificial intelligence based intrusion detection system on internet of things ecosystem
UMUR KURİŞ
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGÜR CAN TURNA
- Ağ anomalisi tespitinde emülatör ortamı tasarımı ve makine öğrenmesi ile saldırı tespiti
Emulator environment design for network anomaly detection and attack detection with machine learning
SERKAN KESKİN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERSAN OKATAN