Geri Dön

Makina öğrenmesile biyometrik sahtekarlığa ve ağ anormallik tespitine dayalı saldırı tespiti

Intrusion detection based on biometric spoofing and network anomaly detection with machine learning algorithms

  1. Tez No: 679449
  2. Yazar: SAJAD EINY
  3. Danışmanlar: PROF. DR. CEMİL ÖZ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Sakarya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 109

Özet

Bu çalışmada, sistemlerde saldırı tespiti için dört farklı yeni yaklaşım önerdik. Bilgiye dayalı olarak her çevrimiçi platform farklı şekillerde saldırabilir. Bu projede, biyometrik sahtekarlık tespiti için derin öğrenme algoritmalarını kullandık. Ayrıca, DDOS gibi farklı saldırılar için, ağlarda anormallik tespitine dayalı yeni bir yaklaşım önerdik. bu durumda projemiz iki ana bölüme ayrılmaktadır: Yüz sahteciliği algılama: Yüz sahtekarlığı saldırıları, izinsiz giriş tespit saldırılarından biridir. yüz sahteciliği tespiti için, iki farklı gruba ayırdığımız iki yeni uygulama önerdik. Birincisi, derin çok renkli özellik öğrenimi ile yüz sahtekarlığı tespiti için IoT-bulut tabanlı platforma önerdik. Ikinci olan, yüz sahtekarlığı tespiti için önerilen ikinci yöntem, Robust ana bileşen analizi ve derin inanç ağı yardımıyla hareket analizine dayanmaktadır. Ağda izinsiz giriş ve anormallik algılama: Bu bölümde, ağ saldırı tespiti için iki farklı yöntemi inceledik ve önerdik. Üçüncüsü, Çok Amaçlı Parçacık Sürüsü Algoritmasına dayalı Özellik Seçimi ve Hızlı Öğrenme Ağının Kombinasyonunu önerdik. Bu teknikte, özellikleri seçmek, ağı eğitmek ve modeli test etmek için KDD Cup veri setini kullandık. Dördüncü ,hibrit Çıkarım Sistemleri Kullanan Ağ Güvenliği için Anormallik ve İmza Tabanlı IDS'yi önerdik.

Özet (Çeviri)

In this study, we proposed four different approaches for intrusion detection in systems. Based on the information, every online platform can attack in different ways. In this project, we used deep learning algorithms for biometric fraud detection. We also proposed a new approach based on anomaly detection in networks for different attacks such as DDOS. In this case, our project is divided into two main parts: Face spoofing detection: Face spoofing attacks are one of the intrusion detection attacks. We have proposed two new applications for face spoofing detection, which we divided into two different groups. The first one, we proposed IoT-cloud based platform for face spoofing detection with deep multicolor feature learning. The second method suggested for face spoofing detection is based on motion analysis with the help of Robust principal component analysis and deep belief network. Network intrusion and anomaly detection: In this section, we have reviewed and suggested two different methods for network attack detection. The third one, we proposed the Combination of Feature Selection and Fast Learning Network based on the Multipurpose Particle Swarm Algorithm. The forth one, We proposed Anomaly and Signature Based IDS for Network Security Using Hybrid Inference Systems.

Benzer Tezler

  1. Exploration of fingerprints for finding gender information using machine learning

    Parmak izinden cinsiyet bilgisinin makine öğrenmesi ile incelenmesi

    MUHSİN ÖZBEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET ERCAN TOPCU

  2. Biyomedikal sinyaller üzerinden makine öğrenmesi modelleri ile biyometrik kişi tanıma

    Biometric person recognition with machine learning models based on biomedical signals

    BEYZA ERASLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiBandırma Onyedi Eylül Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. KUTLUCAN GÖRÜR

  3. Makine öğrenmesi yaklaşımları ile avuç içi tanıma sisteminin geliştirilmesi

    Development of palm recognition system with machine learning approaches

    NADIM MILOUD ALFATOURI SHARIF

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiKastamonu Üniversitesi

    Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı

    PROF. DR. AYBABA HANÇERLİOĞULLARI

  4. Makine öğrenmesi algoritmalarını kullanarak otomatik parmak damarı tanıma sistemi

    Automatic finger vein recognition system using machine learning algorithms

    MUSTAFA KOCAKULAK

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. NURETTİN ACIR

    PROF. DR. HAKAN GÜRKAN

  5. Kulak görüntülerinden soft biyometrik özelliklerin makine öğrenmesi yöntemleri ile sınıflandırılması

    Classification of soft biometric features from ear images by machine learning methods

    MERTKAN SİNOPLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBartın Üniversitesi

    Bilişim Sistemleri ve Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EYÜP BURAK CEYHAN