Intrusion detection and classification in internet of things networks using machine learning
Başlık çevirisi mevcut değil.
- Tez No: 667358
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
Bu çalışmanın amacı, makine öğrenimini kullanan şeylerin ağlarında saldırı tespitini ve sınıflandırmasını geliştirmek ve değerlendirmektir.Nesnelerin İnterneti cihazlarının giderek benimsenmesi, beraberinde bahsedilen cihazların botnet saldırılarına daha fazla katılımını getiriyor ve bu nedenle IoT botnet saldırısı tespiti için yeni yöntemlere ihtiyaç var.Bu çalışma, makine öğrenme modellerinin ağ verilerine dayalı IoT botnet saldırılarını algılamak ve aygıt agnostik bir şekilde sınıflandırmak için kullanılabileceğini ve özellikle özellik seçimi olmadan bazı geleneksel makine öğrenme yöntemlerinden daha doğru olabileceğini göstermektedir.Ayrıca, bu çalışmalar, makine öğrenimi modellerinin saydamlığının sinir ağı tekniği ile bir dereceye kadar azaltılabileceğini ve% 99,2'ye kadar doğruluk elde edebileceğini göstermektedir.Botnets tipi saldırılar için saldırı sınıflandırması doğruluğu% 99.97 ve Mirai tipi saldırılar için saldırı sınıflandırması doğruluğu% 99.84'tür.Her gün daha fazla IoT tabanlı gömülü işlemci etkinleştiriliyor, çoğu dördüncü sanayi devrimini oluşturmak için çoğu endüstriyel ekipmana IoT tabanlı tümleşik işlemci duyu ve işlem verileri, yeni olasılıklara ve yeni zorluklara yol açarak fiziksel müdahale olmadan çalışabilen akıllı fabrikalara olanak tanıyan öngörüler oluşturmak için,bunlardan biri, verilerin ve bu endüstrilerin ağlarının güvenliği. Endüstriyel Nesnelerin İnterneti'nin zorlayıcı özelliklerine rağmen, bu ağın güvenliği, araştırmanın temel vizyonu olan hızlı dağıtımlarını engelliyor
Özet (Çeviri)
The aim of this paper is to use develop and evaluate an intrusion detection and classification in internet of things networks using machine learning. The growing adoption of Internet-of-Things devices brings with it the increased participation of said devices in botnet attacks, and as such novel methods for IoT botnet attack detection are needed. This work demonstrates that machine learning models can be used to detect and classify IoT botnet attacks based on network data in a device agnostic way and that it can be more accurate than some more traditional machine learning methods, especially without feature selection. Furthermore, this works shows that the opaqueness of machine learning models can mitigated to some degree with neural network technique and achieving the accuracy of up to 99.2%. The accuracy for attack classification for Botnets type attacks was 99.97% and the accuracy for attack classification for Botnets type attacks was 99.84% using neural networks. More and more IoT-based embedded processor are activated every day, most of them to industrial equipment to create the fourth industrial revolution. These IoT-based embedded processor sense and process data to create insights enabling smart factories that can operate without physical intervention opening the way to new possibilities and new challenges, one of all is the security of the data and of the networks of these industries. Despite the compelling features of Industrial Internet of Things, the security of such network is impeding their rapid deployment which has been the core vision of the research.
Benzer Tezler
- Evaluation and classification intrusion detection system for IoT networks by using different machine learning algorithm
Farklı makine öğrenme algoritması kullanarak IoT ağları için değerlendirme ve sınıflandırma saldırı tespit sistemi
QAYSSAR DHEYAA MOHSIN MOHSIN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OGUZ KARAN
- Intrusion detection system in internet of things networks using machine learning techniques
Nesnelerin internet ağlarında makine öğrenme teknikleri kullanarak saldırı tespit sistemi
MUHANAD BADEE MUHAMMED AL-DOORI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
PROF. DR. SEFER KURNAZ
- Kablosuz yerel alan ağlarında saldırıların tespit edilmesi ve analizi
Intrusion detection and analysis in wireless local area networks
MERVE ÖZKAN OKAY
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. REFİK SAMET
- Makine ve derin öğrenme yaklaşımlarına dayalı saldırı tespit sistemi
Intrusion detection system based on machine and deep learning approaches
HAMDULLAH KARAMOLLAOĞLU
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM YÜCEDAĞ
DOÇ. DR. İBRAHİM ALPER DOĞRU
- Anomaly detection in ınternet of medical things using deep learning
Anomaly detect ionin internet of medical things using deep learning
AYŞE BETÜL BÜKEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN