Accuracy and efficiency analysis for deep learning based intrusion detection systems
Derin öğrenme tabanli saldiri tespit sistemleri için doğruluk ve verimlilik analizi
- Tez No: 636105
- Danışmanlar: DR. ÖĞR. ÜYESİ NESLİ ERDOĞMUŞ, PROF. DR. YUSUF MURAT ERTEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: İzmir Yüksek Teknoloji Enstitüsü
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 53
Özet
İlerleyen teknolojiler ve sürekli gelişen atak teknikleri sebebi ile saldırı tespit sistemlerinin de geliştirilmesine ihtiyaç vardır. Dolayısıyla, makine öğrenmesi teknikleri, saldırı tespit sistemleri üzerine yapılan çalışmalarda git gide daha fazla kullanılmaya başlanmıştır. Bu çalışmada, Tekrarlayan Sinir Ağlarının (RNN) ve İleri Beslemeli Sinir Ağlarının, bilgisayar ağları üzerindeki atakları tespit etme ve sınıflandırma başarımları incelenmiştir. 14 güncel atak tipinin bulunduğu CICIDS2017 veri seti kullanılarak, Çok Katmanlı Algılayıcı (MLP), Uzun/Kısa Süreli Bellek (LSTM), ve Kapılı Tekrarlayan Hücre (GRU) sinir ağı modelleri ile testler koşulmuş ve bunların kötücül paketleri tespitteki başarım oranları elde edilmiştir. Bu testlerin yanı sıra, alınan sonuçlara göre, veri setindeki özniteliklerin başarıya ve performansa etkisi üzerinde ikinci grup testler yapılmıştır. Kullanılan özniteliklerin sayısı teker teker azaltılarak yapılan ablasyon testleri sonucunda, bahsi geçen modellerin doğruluk oranları elde edilmiş ve en etkili öznitelikleri kullanarak, test sürelerinin, tespit oranlarını önemli ölçüde etkilemeden düşürülebileceği gösterilmiştir.
Özet (Çeviri)
As technology advances and attack techniques show continuous progress, intrusion detection systems also need to develop. Hence, machine learning techniques started to be adopted more and more in the research on intrusion detection systems. In this study, application of Recurrent and Feed-forward Neural Network models is examined for detection and classification of attacks on computer networks. Using the dataset CICIDS2017 that has 14 up-to-date attack types, numerous tests are run with Multilayer Perceptron (MLP), Long-short Term Memory (LSTM), and Gated Recurrent Unit (GRU) neural network models and their success rates for the classification of malicious packets are examined. Additionally, based on the obtained results, a second set of tests are performed to observe the effect of the features in the dataset on success rates and performance. As a result of ablation study, performed by reducing the number of attributes used by one for each feature, the accuracy rates of different network models are obtained and it has been shown that using the most effective features, the duration of the tests can be reduced without affecting the detection rates significantly.
Benzer Tezler
- Embedding intrusion detection in distributed computing artificial intelligence-based routing in AD HOC networks
Başlık çevirisi yok
ZAINAB ALI ABBOOD ALMAMOORI
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DOĞU ÇAĞDAŞ ATİLLA
- Video üzerinde derin öğrenme ile nesne sansürlüme
Sensor processing on video with deep learni̇ng
YERNIYAZ BAKHYTOV
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL ÖZ
- Derin öğrenme yaklaşımı kullanarak bulut ortamları için saldırı tespit hizmet tasarımı
A deep learning approach for designing a cloud intrusion detection service
WISAM ELMASRY
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Ticaret ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜL HALİM ZAİM
DOÇ. DR. AKHAN AKBULUT
- Analyzing the effects of emotions on fake news detection: A Covid-19 case study
Duyguların sahte haber tespiti üzerindeki etkilerininanalizi: Bir Covıd-19 vaka çalışması
BAHAREH FARHOUDINIA
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiYönetim Bilimleri Bilim Dalı
PROF. DR. NİHAT KASAP
PROF. DR. SELCEN ÖZTÜRKCAN
- Development of operation and maintenance strategies for offshore wind industry based on big data management
Büyük veri yönetimi ile açık deniz rüzgar endüstrisinde işletme ve bakım stratejilerinin geliştirilmesi
UWE LUETZEN
Doktora
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR BEJİ