Anomaly-based intrusion detection using machine learning: a case study on probing attacks
Makina öğrenmesi ile kurumsal bir ağda anomali tabanlı siber ihlal tespit sistemi: keşif saldırıları üzerinde bir vaka çalışması
- Tez No: 647334
- Danışmanlar: DOÇ. CENGİZ ACARTÜRK, DR. ÖĞR. ÜYESİ CİHANGİR TEZCAN
- 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: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Siber Güvenlik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
Siber saldırılar ekonomik, itibari ve yasal açılardan sonuçlar doğurarak organizasyonlara yaşamsal bir tehdit oluşturmaktadır. Siber suçlular tarafından kullanılan teknikler geliştikçe, bilgi güvenliği uzmanları popüler gizlilik, bütünlük ve erişilebilirlik üçgeninin bileşenlerini sağlamakta daha çok zorluk yaşamaktadır. Günümüzün birbirine bağlı bilgisayar dünyasında, her saldırının ağ ile ilgili bir boyutu bulunmaktadır. Bu yüzden bu çalışma, siber ihlal girişimlerini anomali tabanlı bir makina öğrenmesi modeli kullanarak geleneksel kural tabanlı metotlardan daha başarılı bir şekilde tespit etmeyi ve daha iyi koruma sağlamayı hedeflemektedir. Gerçek ortam sistemleri üzerinden toplanan veri üzerinde iki farklı model oluşturulmuş olup, bunlar sırasıyla topluluk öğrenmesi ve evrişimli sinirsel ağ modelleridir. Oluşturulan modellerin güvenirlirlik ve geçerliliğinin gösterilmesi amacıyla bu modeller aynı zamanda bir kıyaslama veri seti olan UNSW-NB15 veri seti üzerinde uygulanmıştır. Çalışmanın kapsamını aşmaması maksadıyla sadece keşif saldırıları üzerine yoğunlaşılmış ve modeller bunları tespit edecek şekilde eğitilmiştir. Sonuçlar göstermiştir ki; her iki model de seçilen siber ihlal tipini 0.97'den fazla bir F1 skoru ile doğru tahmin edebilmiştir. Evrişimli sinirsel ağ modeline ait sonuçlar bir miktar daha iyi olup, 0.99 seviyesindedir. UNSW-NB15 veri seti üzerinde alınan benzer sonuçlar oluşturulan modelin geçerliliğini göstermektedir.
Özet (Çeviri)
Cyber attacks constitute a serious threat to organizations with implications ranging from economic, reputational and legal consequences. As the techniques employed by cyber criminals get more sophisticated, information security professionals face a greater challenge protecting the famous triangle of confidentiality, integrity and availability (CIA). In today's interconnected realm of computer systems, every attack vector has a network dimension. Therefore, this study aims to detect network intrusion attempts with an anomaly-based machine learning model to provide better protection than the conventional misuse-based models. Two different models were built and implemented on a data set gathered from a production environment, ensemble learning and convolutional neural network respectively. To demonstrate the models' reliability and validity, they were applied on UNSW-NB15 benchmarking data set as well. To keep the scope of the study manageable, probing type of attack was focused on and models were trained accordingly. The results suggested that both models detect the chosen type of intrusion attempts with an F1 score of more than 0.97. Convolutional neural network model scored slightly higher with 0.99. Similar results were obtained in UNSW-NB15 data set pointing the proposed model's validity.
Benzer Tezler
- Makina öğrenmesile biyometrik sahtekarlığa ve ağ anormallik tespitine dayalı saldırı tespiti
Intrusion detection based on biometric spoofing and network anomaly detection with machine learning algorithms
SAJAD EINY
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL ÖZ
- Anomaly detection in software-defined networking using machine learning
Yazılım tanımlı ağlarda makine öğrenimi ile anomali tespiti
SOUMAINE BOUBA MAHAMAT
Yüksek Lisans
İngilizce
2018
Bilim ve TeknolojiSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. CELAL ÇEKEN
- Payload-based network intrusion detection using LSTM autoencoders
LSTM özkodlayıcılar ile ağ yükü tabanlı ihlal tespiti
SELİN COŞAN
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SÜLEYMAN SERDAR KOZAT
- Anomaly-based intrusion detection systems using machine learningalgortihim
Başlık çevirisi yok
KARRAR ALI AWAD AL-JUBOORI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Makine Öğrenmesi ve Genetik Algoritma Kullanılarak Anomali Tabanlı Saldırı Tespit Sistemi
Anomaly Based Intrusion Detection System Using Machine Learning And Genetic Algorithm
MUSTAFA VEYSEL ÖZSARI
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYHAN AYDIN