A comparative study of neural network approaches in network anomaly detection
Ağ anomalilerinin tespitinde kullanılan yapay sinir ağlarının karşılaştırılması
- Tez No: 544347
- Danışmanlar: DR. ÖĞR. ÜYESİ SERHAT PEKER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Atılım Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Ağ saldırı tespit sistemleri günümüz bilişim sistemlerinde kritik bir yer teşkil ederken önemli bir araştırma alanı olarak yükselmeye ve yapay sinir ağlarının kullanımı bu alanda giderek daha popüler hale gelmeye başlamıştır. Buna rağmen, bu alanda yapay sinir ağı mimarileri ve bu mimarilerin bileşen parametreleri hakkında kapsamlı bir karşılaştırmalı çalışmasının eksikliği vardır. Bu çalışmada, ağ saldırı tespit sistemleri alanında kullanılan yapay sinir ağları mimarileri ve bu mimarilerin bileşenleri olan optimizasyon fonksiyonları, aktivasyon fonksiyonları, öğrenme kat sayısı ve momentum değişiminin doğruluk ve hatalı uyarı üretme oranlarına göre kıyaslayarak ileride yapılacak olan mühendislik ve akademik çalışmalar için bir temel oluşturması amaçlanmıştır. Bu doğrultuda, 6480 adet yapay sinir ağı oluşturularak kıyaslama veri kümesi olarak kabul edilen KDD99 ve yakın gerçek zamanlı simülasyon ortamı yardımıyla her bir yapay sinir ağı değerlendirilmiştir. Bu tezin, yapay sinir ağları kullanılarak geliştirilecek ağ saldırı tespit sistemleri araştırmalarına rehberlik edecek bir yol haritası sağlayacaktır.
Özet (Çeviri)
Network intrusion detection is an important research field, and artificial neural net- works have become increasingly popular in this subject. Despite this, the research concerning comparison of artificial neural network architectures in the network in- trusion detection is a relatively insufficient. To make up for this, this study aims to examine the neural network architectures in network intrusion detection to determine which architecture produces high accuracy and low false positive rate, and what are the effects of the architectural components such as optimization functions, activation functions, the momentum of the learning rate. For this purpose, we have generated 6480 neural networks and, we evaluated them KDD99 dataset and, near-real-time simulation environment. This thesis provides a roadmap to guide future research on network intrusion detection using artificial neural networks.
Benzer Tezler
- Core network anomaly detection using the LSTM model and comparison with various unsupervised learning methods
Telekomünikasyon merkezi şebekelerinde LSTM model ile anomali tespiti ve bazı denetimsiz öğrenme metotları ile kıyaslanması
SAMED ÇALIK
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiBüyük Veri ve İş Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- Data-driven design and analysis of next generation mobile networks for anomaly detection and signal classification with fast, robust and light machine learning
Hızlı, Sağlam ve Hafif Makine Öğrenmesi ile Anormallik Algılaması ve Sinyal Sınıflandırması için Yeni Nesil Mobil Ağların Veriye Dayalı Tasarımı ve Analizi
MUHAMMED FURKAN KUCUK
Doktora
İngilizce
2022
Elektrik ve Elektronik MühendisliğiUniversity of South FloridaHaberleşme Ana Bilim Dalı
DOÇ. DR. İSMAİL UYSAL
- Ağ trafiği tahmininde makine öğrenmesi algoritmalarının karşılaştırmalı analizi
A comparative analysis of machine learning algorithms on network traffic forecasting
BUSE DİLAN USLAN
Yüksek Lisans
Türkçe
2025
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- Hiperspektral görüntü analizi ile olağan dışı durum ve hedef tespiti
Anomaly and target detection with hyperspectral image analysis
GÜRCAN LOKMAN
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. VEDAT TOPUZ
DR. ÖĞR. ÜYESİ HASAN HÜSEYİN ÇELİK
- Kamera tabanlı algılama sistemleri için yapay zeka tabanlı anomali tespiti
Artificial intelligence based anomaly detection for camera-based perception systems
MUSTAFA KARACA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET BİLGİNER GÜLMEZOĞLU
DR. ÖĞR. ÜYESİ UĞUR YAYAN