Dayanıklı temel bileşenler analizi ile ağ trafiği anomalisinin tespiti
Detection of network traffic anomalies with robust principal components analysis
- Tez No: 650923
- Danışmanlar: PROF. DR. HALİT ERAY ÇELİK
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Van Yüzüncü Yıl Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
Ağ trafiği verilerinde meydana gelen olağan dışı davranışların tespitinde çeşitli disiplinlerde farklı teknikler kullanılarak birçok çalışma yapılmıştır. Bu yöntemlerden biri olan Temel Bileşenler Analizi'nin (TBA) kullanımı geçtiğimiz on yılda yapılan birtakım çalışmaların ışığında oldukça artış göstermiştir. Özellikle TBA kullanımının avantajlı olmadığı durumlarda, Dayanıklı Temel Bileşenler Analizi veya TBA tabanlı hibrit yaklaşımların kullanımı ile sıklıkla karşılaşılmaktadır. Bu tez çalışmasında da ağ trafiği verilerinde aykırı değerlerin, diğer bir deyişle anomalilerin tespitinde dayanıklı bir TBA yöntemi kullanılmıştır. Bu amaçla, bu alanda bilinen bir veri seti olan Abilene ağ trafiği veri setine yapay trafik hacmi eklenerek dayanıklı TBA yönteminin anomali tespit performansı, klasik TBA yöntemi ile karşılaştırılmıştır. Elde edilen sonuçlara göre, anomali tespit performansı açısından dayanıklı TBA yöntemin çok daha iyi bir performans sağladığı görülmüştür.
Özet (Çeviri)
There are a lot of studies have been carried out by using different techniques in various disciplines to detect unusual behaviors that occur in network traffic data. Principal Component Analysis (PCA), one of these methods, has increased considerably in the light of some studies conducted in the last decade. The cases in which data in higher dimensions or with outliers, where the use of the PCA is not advantageous, use of the robust PCA and PCA-based hybrid approaches is frequently encountered. In this study, a robust PCA method is used to detect outliers, i.e. anomalies, in network traffic data. For this purpose, the anomaly detection performance of the robust PCA method is compared with the classical PCA method by adding synthetic traffic volume to the Abilene network traffic data set, which is a well-known data set in this field. According to the results, it is seen that the robust PCA method is provided a much better performance in terms of anomaly detection performance.
Benzer Tezler
- Secure communication for MUM-T: a blockchain and lightweight cryptography framework
MUM-T için güvenli i̇letişim: bir blokzincir ve hafif kriptografi çerçevesi
HALİMCAN YAŞAR
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞERİF BAHTİYAR
- Face recognition and person re-identification for person recognition
Kişi tanıma için yüz tanıma ve kişinin yeniden tanınması
EMRAH BAŞARAN
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
PROF. DR. MUHİTTİN GÖKMEN
- A data-driven approach to identifying and selecting temporary disaster debris management sites: The case of Istanbul
Geçici afet moloz yönetim alanlarının belirlenmesi ve seçimi için veri odaklı bir yaklaşım: İstanbul örneği
BURAK KABAKLI
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞEYDA SERDAR ASAN
- APT kaynaklı ataklara karşı dayanıklı etmen tabanlı ve ontolojik veri sızıntısı önleme sistemi
Agent based and ontological data leakage prevention system against advanced persistent threats
EMRAH KAYA
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ÖZÇELİK
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR