Geri Dön

Destek vektör makinesi ile sinüs cosinüs algoritması kullanılarak hibrit saldırı tespit sisteminin tasarımı

The design of hybrid intrusion detection system by using sine cosine algorithm with support vector machine

PDF İndir

  1. Tez No: 687917
  2. Yazar: SALAAD MOHAMED SLAAD SALAAD MOHAMED SLAAD
  3. Danışmanlar: PROF. DR. ERKAN ÜLKER
  4. Tez Türü: Yüksek Lisans
  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: Konya Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 94

Özet

Teknolojinin gelişmesi ve internetin yaygınlaşmasıyla birlikte kritik verilerin depolanması, çevrimiçi eğitim ve çevrimiçi alışveriş gibi amaçlarla bilgisayar sistemlerinin kullanımı artmıştır. Ancak kullanıcılar sıklıkla işletim sistemlerinin kararlılığını bozan tehditlerle karşı karşıya gelmektedir. Başka bir deyişle, saldırganlar sistemlere izinsiz erişerek özel bilgilere ulaşmayı hedef almaktadırlar. Bu güvenlik açığının üstesinden gelmek için çoğu bilim insanı, saldırı tespit sistemi olarak hibritleştirilmiş yöntemlerin kullanımına dikkat çekmişlerdir. Bunun sonucunda, önerilen yöntemlerin performansını artırmak ve aynı zamanda minimum öznitelikleri seçmek için meta-sezgisel algoritmalar ve makine öğrenimi yöntemleri gibi çeşitli teknikler sunulmaktadır. Bu tezde, yüksek performans elde etmek ve aynı zamanda doğruluğu artırmak için makine öğrenimi algoritmalarından seçilen iki başarılı algoritmanın (Binary Sinüs kosinüs Algoritması (BSCA) ve Destek Vektör Makinesi (DVM)) entegre edilmesi hedeflenmiştir. Özellik seçimindeki başarısından dolayı BSCA nın özellik seçimi için kullanılması ve sınıflandırmadaki başarısından dolayı da SVM algoritmasının sınıflandırıcı olarak kullanılması öngörülmüştür. Bu tez çalışmasının amacı, makine öğrenmesi algoritmalarından hibrit olarak oluşturulan yeni algoritmanın saldırganları tespit etme potansiyelini vurgulamak ve en uygun hibrit saldırı tespit sistemini elde etmektir. Sunulan modelin performansını değerlendirmek için 2 farklı veri seti kullanılmıştır. Ayrıca, diğer makine öğrenme tekniklerinin kullanımları ve başarı oranları da dikkate alınarak önerilen yeni hibrit sistemin; Radial Basis Function (RBF) ve Polinom çekirdekli Destek Vektör Makinesi (RBF-DVMve Polinom DVM), Rastgele Orman (RO), K-en yakın komşu (k-NN), Naive Bayes sınıflandırıcısı (NBC), Binary Parçacık Sürü Optimizasyonu entegreli DVM (BPSO-DVM) ve literatürden seçilmiş güncel mevcut bazı çalışmalarla performans karşılaştırmaları (IWD-SVM, GA-SVM, MBGW-SVM, LOA-CNN gibi) yapılmıştır. NSL-KDD ve UNSW-NB15 veri setlerini kullanarak, önerilen yöntem sırasıyla % 99,30 ve % 99,70 doğruluğa elde edildi.

Özet (Çeviri)

Nowadays the use of computer systems became terrifically significant due to advance technology, simplicity and availability of the internet. Moreover, the computer systems play a crucial role for our daily life in various objective such as; storing critical data, online education and online shopping. Nevertheless, users of the computer systems frequently encounter threats which undermines the maintenance and stability of their operating systems. Particularly, politician systems, banks and etc. the intruders attempt to obtain the individual information by unauthorized access to the private systems. To accomplish this vulnerability, majority of scientists have attracted their attention the use of hybridized methods as intrusion detection systems. Therefore, diverse techniques like meta-heuristic algorithms and machine learning methods are proposed in order to boost the performance of the presented methods as well to select minimum attributes. In this thesis, it is goaled to combine two successful algorithms selected from meta-heuristic and machine learning algorithms (Binary Sine Cosine Algorithm (BSCA) and Support Vector Machine (SVM)) to attain superior performance and simultaneously enhance accuracy. It foresaw to use BSCA for feature selection for its success in feature selection and to use SVM algorithm as a classifier due to its success in classification. The main objective this thesis is to highlight the implicit of a new algorithm, which is integrated as a hybrid form machine learning algorithm, in order to detect attackers and to acquire the most acknowledge hybrid intrusion detection systems. Two different data sets were used to evaluate the performance of the presented model.The result of the new proposed hybrid system will be compared to some success rates of other machine learning techniques such as; RBF and Polynomial Support Vector Machine (RBF-SVM and Polynomial SVM), Random Forest (RF), K-nearest neighbor (k-NN), Naive Bayes classifier (NBC), SVM with Binary Particle Swarm Optimization (BPSO-SVM). And some current existing studies (such as IWD-SVM, GA-SVM, MBGW-SVM and LOA-CNN) which is selected from the literature.Using NSL-KDD and UNSW-NB15 datasets, the proposed method achieved 99.30% and 99.70% accuracy respectively.

Benzer Tezler

  1. Tez No

    907080

    Fasiyal morfometrik ölçümlerin ve makine öğrenmesi algoritmalarının erişkin bireylerin cinsiyet tayininde kullanılabilirliğinin değerlendirilmesi

    Evaluation of the usability of facial morphometric measurements and machine learning algorithms in gender determination of adult individuals

    HİLAL IŞIK ROZAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    AnatomiBolu Abant İzzet Baysal Üniversitesi

    Anatomi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MURAT DIRAMALI

    DOÇ. DR. SEVAL BAYRAK

  2. Tez No

    438767

    Development of a system to diagnose paroxysmal atrial fibrillation patients from arrhythmia free ECG records

    Aritmisiz EKG kayıtlarından paroksismal atriyal fibrilasyon hastalarını teşhiş edici sistem geliştirilmesi

    İREM HİLAVİN

    Doktora

    İngilizce

    İngilizce

    2016

    Elektrik ve Elektronik MühendisliğiDokuz Eylül Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET KUNTALP

  3. Tez No

    502977

    Holter EKG işaretleri üzerinden otomatik atrial fibrilasyon tespiti

    Automatic atrial fibrillation detection on holter ECG signals

    ANIL CAN GÜZELER

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik MühendisliğiAkdeniz Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SÜLEYMAN BİLGİN

  4. Tez No

    276660

    Yapay us yöntemleri kullanılarak enerji kalitesi bozucularının belirlenmesi

    Determining power quality distrubances using artificial neural networks

    ÇAĞRI KOCAMAN

    Doktora

    Türkçe

    Türkçe

    2010

    Elektrik ve Elektronik MühendisliğiOndokuz Mayıs Üniversitesi

    Elektrik Tesisleri Ana Bilim Dalı

    YRD. DOÇ. DR. MUAMMMER ÖZDEMİR

  5. Tez No

    756598

    Destek vektör makinesi ile robotik kolların uyarlamalı model öngörülü kontrolü

    Support vector machine based model predictive adaptive control of robotic arms

    SANEM KILIÇASLAN

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKHAN GELEN

Geri Dön