Data management system in IoTs using deep learning technique
Başlık çevirisi mevcut değil.
- Tez No: 700312
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- 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: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Günümüzde siber saldırılar meydana gelmekte ve siber saldırıların çeşitliliği, boyutu ve yoğunluğu artmaktadır. Bu tezde, Nesnelerin İnterneti'ndeki Saldırı tespit sisteminin tahmini için LSTM yöntemine dayalı derin öğrenme sinir ağı kullanılmıştır. Sonuçların değerlendirilmesi için Duyarlılık, Özgüllük, Doğruluk, Kesinlik, Geri Çağırma ve F1 Skoru ile sonuçları kullandık. Seçilen öznitelikler kullanılarak bir sınıflandırma metodolojisi önerilmiştir. Sonuç olarak önerilen model 41 özellik kullanılarak kullanılarak ortalama %92,94 doğruluk elde edilmiştir. Ayrıca CNN yönteminden elde edilen Duyarlılık ve Geri Çağırma için en iyi sonuç sırasıyla %94.30 ve %94.30'dur. Özgüllük, Doğruluk, Kesinlik ve F1 Skoru için Ensemble yöntemi en yüksek yüzdeye sahiptir ve sırasıyla %99.47, %93.43, %99.86 ve %95.75'e sahiptir.
Özet (Çeviri)
Nowadays, cyberattacks occurring and the variety, size and intensity of cyberattacks are increasing. In this thesis, the deep learning neural network based on the LSTM method is used to the prediction of the Intrusion detection system in the Internet of Things. For evaluation of the results, we used the results with Sensitivity, Specificity, Accuracy, Precision, Recall, and F1 Score. Using the selected features, a classification methodology is proposed. As a result, an average accuracy of 92.94% was achieved by using the proposed model with 41 features. Also, the best result for the Sensitivity and Recall obtained from the CNN method and is 94.30% and 94.30% respectively. For Specificity, Accuracy, Precision, and F1 Score, the Ensemble method has the highest percentage and it has 99.47%, 93.43%, 99.86%, and 95.75% respectively.
Benzer Tezler
- DNS big data processing for detecting customersbehaviour of isp using an optimized apache spark cluster
İSP müşterilerin davranışlarını tespiti için optimize edilmiş bir apache spark kümesi kullanarak dns büyük veri işleme
YOUSEF ALKHANAFSEH
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TAHİR ÇETİN AKINCI
- Blockchain-based secure management framework for unmanned vehicles, internet of things and aviation
İnsansız araçlar, nesnelerin interneti ve havacılık için blokzincir-tabanlı güvenli yönetim çerçevesi
OZAN ZORLU
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ADNAN ÖZSOY
- A new data management system in IOT system
IOT sisteminde yeni bir veri yönetimi
ADHAM MADROOJ KHALEEFAH AL-OBAIDI
Yüksek Lisans
İngilizce
2024
Mühendislik Bilimleriİstanbul Gedik ÜniversitesiMühendislik Yönetimi Ana Bilim Dalı
Assist. Prof. Dr. TUĞBAY BURÇİN GÜMÜŞ
- Çoklu-proje ortamında web-tabanlı bütünleşik yapım yönetim sistemi modeli
Web-based integrated construction management system model in multi-project environment
İBRAHİM YİTMEN
Doktora
Türkçe
2002
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
YRD. DOÇ. DR. ATTİLA DİKBAŞ
- Klinik laboratuvarlarda veri yönetim sistemi ile referans aralık temelli veri analiz yöntemlerinin geliştirilmesi; Trabzon deneyimi
Development of reference range based data analysis methods with data management system in clinical laboratories; Trabzon experience
MUSTAFA TAT
Tıpta Uzmanlık
Türkçe
2018
BiyokimyaKaradeniz Teknik ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. ASIM ÖREM