Application of deep neural networks for network intrusion detection systems in cyber security
Başlık çevirisi mevcut değil.
- Tez No: 697693
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 91
Özet
Ağ trafiği, küresel olarak geride bırakılmış bir hızla büyüyor. 2020 Cisco'ya göre Yıllık Rapor, dünya nüfusunun yaklaşık üçte ikisinin internet bağlantısına sahip olacak 2023 yılı. IP ağlarına bağlı cihazların sayısı da üç katına çıkacak. aynı yıldaki toplam dünya nüfusunun büyüklüğü. Öngörülen ağın genişliği altyapı, yeni teknolojilerin ve işletmelerin şekillenmesi için fırsatlar yaratır, ama aynı zamanda güvenlik açıklarının yüzeyini de arttırır. Siber saldırıların sayısı dünya çapında büyüyor ve daha çeşitli ve sofistike hale geliyor. Klasik ağ izinsiz giriş tespit mimarileri, kötü amaçlı faaliyetleri ve politikayı tespit etmek için bir sistemi izler çeşitli imza kitaplıkları kullanarak bilgi akışındaki ihlaller. Yine de ağır olması nedeniyle Modern ağ altyapılarında ağ trafiğinin girişi, siber için daha kolay hale gelir. suçluların bilgi varlıklarını çalmak veya yok etmek için tespit edilmeden sistemlere sızması başarıyla. Klasik ağ saldırı tespit mimarilerinin hızı ve verimliliği de gerçek zamanlı bir işleme senaryosunda beklentileri karşılamıyor. Yukarıdakiler göz önüne alındığında sınırlamalar, bu araştırma tasarım ve mimarlığa yeni metodolojiler sunmayı amaçlamaktadır. uygulamalı derin öğrenme tekniklerini kullanan ağ saldırı tespit sistemleri. sinirsel ağlar, ham bir veri kümesinden desenler ve imzalar türetebilir ve öğrenilen imzaları kullanabilir. doğayı tahmin etmek ve gelecek verileri geride bırakılmış bir hızda sınıflandırmak. sağlamlık sinir ağı mimarisinin gerçek zamanlı ve verimli bir şekilde oluşturulması için artırılabilir. ağ güvenlik çerçevesi. Bu çalışmada hibrit bir ağ saldırısı geliştireceğiz. CNN-LSTM mimarisini kullanan algılama sistemi. Ayrıca, sonuçlarımızı karşılaştıracağız Bu çalışma alanındaki son araştırmalarla.
Özet (Çeviri)
Network traffic is growing at an outpaced speed globally. According to the 2020 Cisco Annual Report, nearly two-thirds of the global population will have internet connectivity by the year 2023. The number of devices connected to IP networks will also triple the total world population's size by the same year. The vastness of forecasted network infrastructure opens opportunities for new technologies and businesses to take shape, but it also increases the surface of security vulnerabilities. The number of cyberattacks are growing worldwide and are becoming more diverse and sophisticated. Classic network intrusion detection architectures monitor a system to detect malicious activities and policy violations in its information stream using various signature libraries. Still, due to a heavy inflow of network traffic in modern network infrastructures, it becomes easier for cyber criminals to infiltrate systems undetected to steal or destroy information assets successfully. Classic network intrusion detection architectures' speed and efficiency also fail to meet expectations in a real-time processing scenario. Considering the above limitations, this research aims to present novel methodologies to design and architect network intrusion detection systems using applied deep learning techniques. Neural networks can derive patterns and signatures from a raw dataset and use the learned signatures to predict the nature and classify the forthcoming data at an outpaced speed. The robustness of neural network architecture can be augmented to build a real-time and efficient network security framework. In this study, we will develop a hybrid network intrusion detection system using the CNN-LSTM architecture. Further, we will compare our results with the recent research in this field of study.
Benzer Tezler
- Nesnelerin internetinde ağ katmanında güvenli ve enerji verimli yeni bir yöntem tasarımı ve uygulaması
Design and application of a safe and energy efficient new method at the network layer in the internet of things
SEMİH ÇAKIR
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİNAN TOKLU
DR. ÖĞR. ÜYESİ NESİBE YALÇIN
- Yazılım tanımlı ağlarda makine öğrenme temelli saldırı tespit sistemi
Machine learning based intrusion detection system in software defined networks
BİROL EMEKLİ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. İHSAN HAKAN SELVİ
- Accuracy and efficiency analysis for deep learning based intrusion detection systems
Derin öğrenme tabanli saldiri tespit sistemleri için doğruluk ve verimlilik analizi
SERHAT CANER
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji EnstitüsüBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NESLİ ERDOĞMUŞ
PROF. DR. YUSUF MURAT ERTEN
- Ağ trafiğinde anormallik tespiti için veri seti oluşturma ve test yöntemlerinin karşılaştırılması
Creating a data set for anomaly detection in network traffic and comparison of test methods
EMRULLAH ERGİNAY
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Deep learning based fully autonomousnetwork intrusion detection system
Derin öğrenme tabanlı tam otonomağ giriş tespit sistemi
ZAID FARHAN DAKHIL DAKHIL
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. OSMAN NURİ UÇAN