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: Ağ güvenliği, Yapay zeka, Network security, Artificial intelligence
- 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: Belirtilmemiş.
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
- Saldırı tespit sistemlerinde yapay zekâ tabanlı anomali tespiti
Artificial intelligence-based anomaly detection in intrusion detection systems
AWAB DAW SAAD KHALEFA
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ZENGİN
- Iot ağlarına yönelik siber saldırıların tabm mimarisi ile çok sınıflı tespiti: CIC-IoT-2023 veri seti üzerine kapsamlı bir çalışma
Multi-classified detection of cyber attacks on iot networks using tabm architecture: a comprehensive study on the CIC-IoT-2023 dataset
MUHAMMED KAPLANGÖZ
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET HACIBEYOĞLU
- Nöromorfik hesaplama ve memristor tabanlı ağ saldırı tespit sistemleri: Siber güvenlikte yeni yaklaşımlar
Neuromorphic computing and memristor-based network attack detection systems: New approaches in cyber security
YUSUF ETKA KÖYLÜ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN KOCAARSLAN
- Ses olay tespit problemine derin öğrenme tabanlı çözümler
Utilizing footstep sound event detection by using cnn techniques for assuring property security
FURKAN YUSUF YAVUZ
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEJAT YUMUŞAK
- IEC 61850 tabanlı akıllı şebekelerde zaman kısıtlı nondeterministik sonlu otomata (TC-NFA) ile anomali tespiti
Anomaly detection in IEC 61850-based smart grids using time-constrained nondeterministic finite automata (TC-NFA)
DENİZ BERFİN TAŞTAN
Yüksek Lisans
Türkçe
2026
EnerjiSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSA BALTA