Saldırı tespit sistemlerinde kullanılan makine öğrenmesi tekniklerinin performans analizi
Performance analysis of machine learning techniques used in attack detection systems
- Tez No: 678660
- Danışmanlar: PROF. DR. ZAFER ASLAN
- 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 Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 69
Özet
Günümüz çağında teknoloji hızla ilerlemektedir. İnternet aleminde sürekli yeni gelişmeler yaşanmaktadır. Bu gelişmeler neticesinde internet kullanıcı sayıları, web uygulamalarının artması gibi etkenler veri güvenliği denilen bir konuda birtakım riskleri de yanında getirmiştir. Veri ve ağ güvenliği için kullanılan bir araç olan Saldırı Tespit Sistemleri (STS), güvenli dahili ağlara belirli simülasyonlar geliştirerek saldırıları önlemektedir. Bunun yanı sıra beklenmeyen giriş ve erişim isteklerini tespit ederek başarılı bir şekilde tehditleri uzaklaştırmaktadır. Günümüzde birçok araştırmacı bu tehditleri önlemek amacıyla daha güvenli STS üzerinde çalışmaktadır. Bu hedef doğrultusunda literatür üzerinde farklı makine öğrenmesi teknikleri ile denenmiş birçok saldırı tespit sistemi vardır. Ancak STS makine öğrenmesi tekniklerinin performans karşılaştırması sınırlı sayıda bulunmaktadır. Uygulamalarda farklı teknikler üzerinde çalışılmıştır. Makine öğrenmesi teknikleri olarak karar ağaçları, yapay sinir ağları, rastgele orman, Naive Bayes, AdaBoost, lojistik regresyon, K en yakın komşu algoritmalarının veri seti üzerindeki performansları ve başarı oranları değerlendirilmiştir. Değerlendirmede F ölçütü, kesinlik, seçicilik, doğruluk, duyarlılık ve ROC eğrisi analizleri yapılarak sınıflandırmaları gözlenmiştir. Çalışmalar üzerinde veri seti olarak NSLKDD kullanılmıştır. Problemin çözümüne yönelik olarak veri seti, Waikato Environment Knowledge Analysis (WEKA) ortamında analiz edilmiştir. Veri seti üzerinde uygulanan birçok algoritma yakın değerler vermiş olmakla beraber, en yüksek performansı %98,56 sınıflandırma oranı ile K en yakın komşu (KNN) uygulamalarının gösterdiği saptanmıştır.
Özet (Çeviri)
In today's age, technology is advancing rapidly. There are always new developments in the internet world. As a result of these developments, factors such as the number of internet users and the increase of web applications brought some risks in a subject called data security. Intrusion Detection Systems (STS), a tool used for data and network security, prevent certain attacks by developing certain simulations to secure internal networks. In addition, it successfully removes threats by detecting unexpected entry and access requests. Recently, many researchers are working on safer STS to prevent these threats. In line with this goal, there are many intrusion detection systems on the literature that have been tried with different machine learning techniques. However, the performance comparison of STS machine learning techniques is limited. Different techniques have been studied in applications. The performance and success rates of decision trees, artificial neural networks, random forest, adaboost, logistic regression, Naive Bayes, K nearest neighbor algorithms on machine learning techniques were evaluated. In the evaluation, F criterion, precision, selectivity, accuracy, sensitivity and ROC curve analysis were performed and their classifications were observed. NSLKDD was used as a data set on the studies. For the solution of the problem, the data set was analyzed in the Waikato Environment Knowledge Analysis (WEKA) environment. Although many algorithms applied on the dataset gave close values, it was determined that the highest performance was the closest neighbor (KNN) applications with a classification rate of 98.56%.
Benzer Tezler
- Saldırı tespit sistemlerinde makine öğrenmesi tekniklerinin kullanılması: Karşılaştırmalı performans analizi
Use of machine learning techniques in intrusion detection systems: Comparative analysis of performance
ÇETİN KAYA
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
ÖĞR. GÖR. OKTAY YILDIZ
- Analysis of network security using machine learning methods
Makine öğrenmesi yöntemleri kullanılarak ağ güvenirliği analizi
MARYAM SALATI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İMAN ASKERBEYLİ
- Artificial intelligence based detection schemes for secure wireless communication
Güvenli telsiz iletişimin sağlanmasına yönelik yapay zeka tabanlı sınıflandırma metotları
SELEN GEÇGEL
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. GÜNEŞ ZEYNEP KARABULUT KURT
- A friendly physical layer warden system
Dost bir fiziksel katman bekçi sistemi
MİRAÇ KUMRAL
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. GÜNEŞ ZEYNEP KARABULUT KURT
- 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