Detection and classifying security attacks in wireless sensor networks
Başlık çevirisi mevcut değil.
- Tez No: 677215
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 70
Özet
Bu tezin amacı, kablosuz algılayıcı ağlardaki güvenlik saldırılarını tespit etmek ve sınıflandırmaktır. Bu tezde, makine öğrenimi sınıflandırması ve Yazılım Tanımlı Ağ Oluşturma ile birlikte anormallik algılamaya dayalı otomatik saldırı tanıma, saldırgan tanımlama ve saldırı azaltma için bir çerçeve öneriyoruz. Bu çerçeve, topoloji ve trafik istatistikleri gibi ağ özelliklerine ilişkin kalıntı analizine dayalı olası saldırıları bulmak için tasarlanmıştır. Temel amaç, belirli bir saldırı için özel olarak tasarlanmayan bir çerçeveye sahip olmak, bunun yerine yeni saldırıların genel bir şekilde tespit edilmesini ve azaltılmasını sağlamaktır. Bu çalışma, çerçeveye bir performans analizi ve kavramsal bir içgörü sağlar. Sonuçlar, uygun bir azaltma algoritması ile birlikte saldırı tespiti için anormallik tabanlı yaklaşımın, saldırıları verimli bir şekilde tespit edip azaltabildiğini göstermektedir. Bu yaklaşımlarda, güvenlik algoritmaları, kablosuz sensör ağlarındaki trafiği yöneten yönlendiriciler veya güvenlik duvarları gibi ağ geçitlerine dağıtılır. Temel varsayım, İnternet'e giden veya İnternet'ten gelen tüm paketlerin bu ağ geçitlerini geçmesi gerektiğidir. Bu paketlerin değerleri daha sonra KDTree, SVM veya Random Forest gibi uygun sınıflandırma algoritmaları tarafından kullanılabilecek özelliklere dönüştürülür. Python için anaconda tarafından desteklenen tensör akışı ve keras ortamı ile saldırıları tespit ettik ve sınıflandırdık. Kullandığımız veri seti, çevrimiçi olarak mevcut olan UNSW-NB15 verileridir.
Özet (Çeviri)
The aim of this thesis is to detect and classify the security attacks in wireless sensor networks. In this thesis we propose a framework for automatic attack recognition, attacker identification and attack mitigation based on anomaly detection in combination with machine learning classification and Software Defined Networking. This framework was designed to find potential attacks based on residual analysis on network characteristics like topology and traffic statistics. The main goal is to have a framework which is not specifically designed for a certain attack, but rather to provide detection and mitigation of novel attacks in a general manner. This work provides a performance analysis and a conceptual insight to the framework. Results indicate, that the anomaly based approach for attack detection in combination with an appropriate mitigation algorithm can detect and mitigate attacks efficiently. In these approaches, the security algorithms are deployed to gateways like routers or firewalls that handle the traffic in wireless sensor networks. The basic assumption is that all packets to or from the Internet have to pass these gateways. The values of these packets are then transformed into features that can be used by appropriate classification algorithms like KDTree, SVM or Random Forest. We detected and classified attacks with the tensor flow and keras environment supported by anaconda for python. The dataset we used is UNSW-NB15 data which is available online.
Benzer Tezler
- Siber tehdit istihbaratıyla özgün tehdit aktörleri veri kümesi oluşturma ve sınıflandırma
Generating and classifying a unique threat actors dataset with cyber threat intelligence
BURAK YETİMOĞLU
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiAdli Bilişim Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA KAYA
- Otomatik üretim kontrolü sistemlerine yapılan yanlış veri enjeksiyon saldırılarının torbalama ağaçları algoritması ile tespiti
Detection of false data injection attacks on automatic generation control systems with bagged trees algorithm
ATAKAN ÖZTÜRK
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Web trafik verilerinde yapay bağışıklık algoritmaları ile anomali tespiti
Anomaly detection in web traffic using artificial immune algorithms
KADİR İLHAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE DANDIL
- IoT için makine öğrenmesi tabanlı saldırı tespiti
Machine learning based intrusion detection for IoT
AYÇA NUR KAHYA
Yüksek Lisans
Türkçe
2022
Mühendislik BilimleriEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ESRA NERGİS YOLAÇAN
- Develop a robust computer network architecture that is resistant to unauthorized access by using machine learning methodologies
Makine öğrenme metodolojilerini kullanarak yetkisiz erişime dayanıklı, sağlam bir bilgisayar ağ mimarisi geliştirin
AYA AHMED TAWFEEQ TAWFEEQ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ Abdullahi Abdu IBRAHIM