Makine öğrenmesi teknikleri kullanarak hizmet aksatma saldırıları tespiti
Denail of service attack detection using machine learning techniques
- Tez No: 642338
- Danışmanlar: PROF. DR. NECAATTİN BARIŞÇI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, her geçen gün artan siber saldırılara karşı elektronik ortamdaki verilerin korunması amacıyla geliştirilen ve en önemli araçlardan biri olan Saldırı Tespit Sistemleri (STS) üzerine araştırmalar yapılmıştır. Bu kapsamda makine öğrenmesi teknikleri çalışılmış, saldırı türleri araştırılmış, daha önce geliştiren STS'ler ve STS'ler üzerine yapılmış akademik çalışmalar incelenmiş, en çok kullanılan veri setleri tespit edilmiştir. Yapılan araştırmalar neticesinde günden güne gelişmekte ve çoğalmakta olan saldırı türlerinin tespit edilebilmesi için geleneksel makine öğrenmesi tekniklerinin dışında tekniklere başvurulması gerektiği tespit edilmiştir. Bu konuda en iyi sonuçları hibrit makine öğrenmesi tekniklerinin verdiği görülmüş ve en hızlı ve başarılı sonuç alınabilecek hibrit makine öğrenmesi teknikleri araştırılmıştır. Bu bilgiler ışığında çalışmada, hibrit makine öğrenmesi tekniklerinden Karar Tablosu ve Naive Bayes (KTNB), Lojistik Model Ağacı (LMA), Fonksiyonel Ağaç (FA), Naive Bayes Ağacı (NBA) teknikleri, veri seti olarak en çok kullanılan KDD'99 veri seti, yazılım olarak ise açık kaynak kodlu olan WEKA yazılımı tercih edilmiştir. Yapılan çalışma sonucunda hibrit algoritmalar ile hem başarı oranının arttığı hem de veriyi işleme süresinin azaldığı tespit edilmiştir. En başarılı sonucu ise %99,95'lik sonuç ile Karar Tablosu ve Naive Bayes tekniklerinin hibrit olarak kullanıldığı teknik vermiştir.
Özet (Çeviri)
In this thesis, research has been conducted on Intrusion Detection Systems (IDS), which is one of the most important tools developed to protect the data in electronic environment against increasing cyber-attacks. In this context, machine learning techniques have been studied, the types of attacks have been investigated, the academic studies on IDS and IDS that have been developed before have been examined, and the most used datasets have been determined. As a result of the researches, it has been determined that in order to identify the types of attacks that are developing and increasing day by day, techniques other than traditional machine learning techniques should be used. Hybrid machine learning techniques have been shown to give the best results in this regard, and hybrid machine learning techniques that can achieve the fastest and most successful results have been investigated. In the light of this information, KDD'99, which is the most used dataset, the Decision Table and Naive Bayes (KTNB), Logistics Model Tree (LMA), Functional Tree (FA), Naive Bayes Tree (NBA) techniques, and WEKA software, which is open source, was preferred as software. As a result of the study, it was determined that hybrid algorithms both increase the success rate and decrease the data processing time. The most successful result is the technique using the Decision Table and Naive Bayes techniques as a hybrid with a 99.95% result.
Benzer Tezler
- Dağıtık hizmet aksatma ((DDoS) saldırılarının yapay zeka yöntemleri kullanılarak tespiti
Detection of distributed denial of service ((DDoS) attacks using artificial intelligence methods
İLKNUR KAYACAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET BABALIK
- Makine öğrenmesi modelleri ile bilgi teknolojileri hizmet yönetiminde vaka ve kritik arıza tespiti
Machine learning models in information technology service management for incident and critical incident detection
MEHMET AKİF ÖZDEMİR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HİKMETCAN ÖZCAN
- Uzaktan algılama yöntemi kullanarak sentinel-1 uydu görüntülerinden makine öğrenmesi yaklaşımı ile yüksek gerilim direği tespiti
Detection of high voltage transmission towers using sentinel-1 satellite images with a machine learning approach based on remote sensing methods
HASAN SARIKAYA
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiBatman ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRULLAH ACAR
- Makine öğrenmesi algoritmaları kullanılarak glossokinetik potansiyel tabanlı dil-makine arayüzü tasarımı
Glossokinetic potential based tongue-machine interface design using machine learning algorithms
KUTLUCAN GÖRÜR
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET RECEP BOZKURT
PROF. DR. FEYZULLAH TEMURTAŞ
- Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data
Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları
İSMAİL BİLGEN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN