DDOS saldırılarının tespit edilmesinde makine öğrenimi yöntemlerinin uygulanması
Application of machine learning methods in determining DDOSattacks
- Tez No: 650113
- Danışmanlar: PROF. DR. ABDÜL HALİM ZAİM, DOÇ. DR. MUHAMMED ALİ AYDIN
- 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: İstanbul Ticaret Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
İnternet ihtiyacının ve kullanıcı sayısının artmasıyla siber güvenlik kavramının önemi ortaya çıkmıştır. Günümüzde kullanılan saldırı tespit sistemlerinden imza tabanlı saldırı tespit sistemleri daha önce yapılmış saldırıları belleğinde tutarak meydana gelebilecek saldırıları tespit ederken, anomali tabanlı saldırı tespit sistemleri daha önce karşılaşılmamış saldırılara ilişkin çıkarımlar yapabilmektedir. Bu çalışmanın amacı saldırı tespit sistemlerinde farklı metotlar kullanılarak saldırı tespitindeki başarı oranlarını analiz etmektir. Çalışmada CICDDoS2019 veri seti kullanılmış olup söz konusu veri setinde bulunan DDOS saldırılarının, makine öğrenme metotlarından; Yapay Sinir Ağları (YSA), Destek Vektor Makinesi (DVM), Gaussian Naive Bayes, Multinomial Naive Bayes, Bernoulli Naive Bayes, Logistic Regresyon, K-nearest neighbour (KNN), Decision Tree (entropy-gini) ve Random Forest algoritmaları kullanılarak tehdidin tespitindeki başarı oranları analiz edilerek karşılaştırılmıştır. Başarı oranlarında en yüksek oranın K-nearest neighbor, Logistic Regrasyon, Naive Bayes, (Multinomial - Bernoulli) algoritmaları kullanılarak gerçekleştirilen, % 100'e yakın başarı sağlayan modeller olduğu görülmüştür.
Özet (Çeviri)
The increasing demand for communication since the existence of humanity has gained momentum as the internet concept has entered our daily lives. The importance of cyber security has become evident with the increasing need of the Internet and the number of users. While signature-based intrusion detection systems detect the attacks that may occur by keeping previous attacks in memory, anomaly-based intrusion detection systems can make inferences about unexpected attacks. The aim of this study is to analyze the success rates of intrusion detection by using different methods in intrusion detection systems. CICDDoS2019 data set was used in the study, and DDOS attacks in the said data set are among the machine learning methods; Artificial Neural Networks (ANN), Support Vector Machine (DVM), Gaussian Naive Bayes, Multinomial Naive Bayes, Bernoulli Naive Bayes, Logistic Regression, K-nearest neighbor (KNN), Decision Tree (entropy-gini) and Random Forest algorithms The success rates in the determination were analyzed and compared. It has been observed that the highest rate of success rates are the models, which are realized by using K-nearest neighbor, Logistic Regression, Naive Bayes, (Multinomial - Bernoulli) algorithms, and provide nearly 100% success.
Benzer Tezler
- Makine öğrenmesi algoritmalarının hibrit yaklaşımı ile ağ anomalisi tespiti
Network anomaly detection with a hybrid approach of machine learning algorthms
FEYZA ÖZGER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİT ÖZTEKİN
- Early detection of distributed denial of service attacks
Dağıtık hizmet engelleme saldırılarının erken tespiti
KAĞAN ÖZGÜN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞE TOSUN KÜHN
DR. ÖĞR. ÜYESİ MEHMET TAHİR SANDIKKAYA
- IoT'de meydana gelen DDoS saldırılarının derin öğrenmeyöntemleri kullanılarak büyük veri ortamında analizive tespiti
Analysis and detection of ddos attacks in IoT by using deeplearning methods in big data environment
SAMİ YARAŞ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT DENER
- DDoS attack detection using signal processing and statistical approaches
Sinyal işleme ve istatistiksel yaklaşımlarla DDoS saldırı tespiti
DERYA ERHAN
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN ANARIM
- Behavior based malicious software detection and classification
Davranış tabanlı zararlı yazılım tespiti ve sınıflandırılması
ABDURRAHMAN PEKTAŞ
Yüksek Lisans
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TANKUT ACARMAN