Comparison of various algorithm for intrusion detection in data mining
Veri madenciliğinde intrüzyon algılama için çeşitli algoritminin karşılaştırılması
- Tez No: 618436
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
Nesnelerin İnterneti (IoT) cihazları ve hizmetleri, birçok ticari ve kritik görev uygulamasında geniş çaplı büyüme sağlamıştır. Cihazlar ve hizmetler saldırı, saldırı ve kötü amaçlı faaliyetlerden muzdariptir. IoT ağları ve kullanıcıların gizliliği aracılığıyla iletilen değerli verileri korumak için, gerçek zamanlı izleme gerektiren IoT özelliklerine uyacak şekilde saldırı tespit sistemleri (IDS) geliştirilmelidir. Bu cihazlar cep telefonlarından daha yaygın olma eğilimindedir ve bu nedenle siber saldırıların hedefi olabilecek kullanıcı adları, şifreler vb. Gibi hassas kişisel bilgilere erişebilir. Akıllı cihazlar çeşitli tekrarlanan saldırılara maruz kaldığından, bu güvenli bir altyapıya girmenin en zayıf halkasıdır. Örneğin, İnternet cihazları MIRAI gibi bir Android ağının parçası olarak kullanılır. Tarihteki en büyük DDoS saldırılarının ve rastgele saldırıların birçoğu vardır. Sonuç olarak, bu heterojen ortama uyum sağlayabilecek ve ağdaki zararlı etkinlikleri tespit edebilecek İnternet ekosistemlerini izlemeye adanmış bir İzinsiz Giriş Tespit Sistemi (IDS) geliştirmeye ihtiyaç vardır. Bu tez, boyut küçültme algoritmasına ve çevrimiçi bir makine öğrenme algoritması olarak kullanılabilen bir sınıflandırıcıya dayanan saldırı tespitine yönelik yeni bir model önermektedir. Önerilen model, veri kümesinin boyutlarını birçok özellikten küçük bir sayıya indirmek için Ana Bileşen Analizi'ni (PCA) kullanır. Bir sınıflandırıcı geliştirmek için SoftMax regresyonu ve en yakın komşu algoritmalar uygulanır ve karşılaştırılır. KDD Cup 99 Veri Kümesi kullanılarak yapılan deneysel sonuçlar, önerilen modelimizin iyi huylu davranışları etiketlemede ve kötü niyetli davranışları belirlemede en iyi performansı gösterdiğini göstermektedir. Hesaplama karmaşıklığı ve zaman performansı, modelin IoT'deki saldırıları tespit etmek için kullanılabileceğini onaylar.
Özet (Çeviri)
Internet of Things (IoT) devices and services have gained wide spread growth in many commercial and mission critical applications. The devices and services suffer from intrusions, attacks and malicious activities. To protect valuable data transmitted through IoT networks and users' privacy, intrusion detection systems (IDS) should be developed to match with the characteristics of IoT, which requires real-time monitoring. These devices tend to be more prevalent than mobile phones and thus have access to sensitive personal information such as usernames, passwords, etc., which may be the target of cyber-attacks. Because smart devices are exposed to a variety of repeated attacks, this be the weakest link to breaking into a secure infrastructure. For example, Internet devices are used as part of an Android network, such as MIRAI. There are many of the largest DDoS attacks and random attacks in history. As a result, there is a need to develop an Intrusion Detection System (IDS) dedicated to monitoring Internet ecosystems, which will be able to adapt to this heterogeneous environment and detect harmful activities on the network. This Thesis proposes a novel model for intrusion detection which is based on dimension reduction algorithm and a classifier, which can be used as an online machine learning algorithm. The proposed model uses Principal Component Analysis (PCA) to reduce dimensions of dataset from many features to a small number. To develop a classifier, SoftMax regression and k nearest neighbor algorithms are applied and compared. Experimental results using KDD Cup 99 Data Set show that our proposed model performs optimally in labelling benign behaviors and identifying malicious behaviors. The computing complexity and time performance approve that the model can be used to detect intrusions in IoT.
Benzer Tezler
- Robust idss design for IoT based on smart algorithms
Akilli algoritmalara dayali nesnelerin interneti için dayanikli İdS tasarimi
TAMARA SAAD MOHAMED AL-JANABI
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAksaray ÜniversitesiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEZGİN AYDIN
- Makine öğrenimini kullanarak IoT ağlarında saldırı tespiti
Intrusion detection in IoT networks using machine learning
HANAN ABU KWAIDER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERDİNÇ AVAROĞLU
- Destek vektör regresyonu ile PID kontrolör tasarımı
Design of PID controller via support vector regression
KEMAL UÇAK
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÜLAY ÖKE
- Ağ trafiğinde etkili olan özniteliklerin tespiti ve yapay sinir ağları ile trafiklerin izin tahmini
Detection of features that are effective in network traffic and permission estimation of traffic with artifical neural network
MUHAMMED ÖZDEMİR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN ESKİ
- Yazılım tanımlı ağlar ve nesnelerin interneti temelli akıllı şebekelerde anomali tespiti
Anomaly detection in smart grids based on software-defined networks and the internet of things
HİLAL YILDIZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSA BALTA