Comparison of intrusion detection for the internet of things with machine and deep learning methods
Makine ve derin öğrenme yöntemleri ile nesnelerin interneti için saldırı tespitinin karşılaştırılması
- Tez No: 706332
- Danışmanlar: PROF. DR. KEREM KÜÇÜK
- 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: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Saldırı tespiti ve siber güvenliği, güzümüzde nesnelerin interneti (IoT) alanında en önemli konularından biridir. Nesnelerin internetinde kablosuz ağlara bağlı nesnelerinin kullanımı yaygınlaşmasıyla birlikte ağ sistemleri üzerinden paylaştığımız veri miktarı hızla artmaktadır. Bu veriler saldırılara ve tehditlere karşı savunmasız olabilir ve sistemin gizliliğini, bütünlüğünü, kullanılabilirliğini ve güvenilirliğini artırmak için güvenliğini sağlamaları gerekir. Saldırılar daha karmaşık ve tespit edilmesi zor hale gelmektedir. İnsan kontrolüne veya manuel incelemeye ihtiyaç duymadan yapay zeka algoritmalarını kullanarak saldırıları otonom olarak tespit etme süreci, ağ saldırı tespit sistemlerinde (ASTS) trend konusu haline gelmiştir. Bu çalışmada, UNSW-NB15 açık veri kümesi üzerinde farklı klasik makine öğrenme (MÖ) ve derin öğrenme (DÖ) yöntemlerini uygulanmıştır. Derin öğrenme yöntemlerinde, özellik seçimi işlemine gerek kalmadan bu yöntemler doğrusal olmayan kombinasyonlar üretir, özelliklerin daha az etkisi olan, otomatik olarak daha az ağırlık alır, ancak DÖ yöntemleriyle aşırı öğrenme sorunu hala devam edebilir ve bunu çözmek için çapraz doğrulama, erken durdurma ve parametreleri ayarlama gibi farklı teknikler kullanılmıştır. IoT tabanlı anomali tespiti işlemine en iyi metodu bulmak için deneyler geliştirilmiş, farklı yapay zeka (YZ) modelleri arasında karşılaştırmalar yapılmış ve saldırı tespit sistemlerinde (STS) performansı iyileştirmek ve doğruluğu artırmak için yeni teknikler ve akıllı çözümler sunulmuştur.
Özet (Çeviri)
Intrusion detection and cyber security are important topics in the internet of things (IoT)domain nowadays. With the expansion of using objects that are connected to wireless networks in IoT, the amount of data that we share via network systems is growing rapidly. This data may be vulnerable to attacks and threats and need to secure to increase the system's confidentiality, integrity, availability, and reliability. Attacks are becoming more complex and difficult to detect. The process of detecting attacks using artificial intelligence algorithms autonomously without the need for human control or manual examination has become a trend topic in network intrusion detection systems (NIDS). In this article, we decide to apply different classical machine learning (ML) and deep learning (DL) methods on UNSW-NB15 open dataset. In deep learning methods we exclude the need to feature selection these methods generate the non-linear combinations the features have less effect get lesser weights automatically, but the problem of overfitting with DL methods is still remaining and to solve it we used different techniques like cross-validation, early stopping, and parameters tuning techniques. We make experiments to find out the best way to identify the anomaly in IoT based environment, make comparisons between different artificial intelligence (AI) models and propose new techniques and smart solutions to improve performance and increase accuracy in intrusion detection systems (IDS).
Benzer Tezler
- Comparison of various algorithm for intrusion detection in data mining
Veri madenciliğinde intrüzyon algılama için çeşitli algoritminin karşılaştırılması
HASAN M.HUSSEIN M.ALI NASSRULLAH
Yüksek Lisans
İngilizce
2020
Bilim ve TeknolojiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Intrusion detection system in internet of things networks using machine learning techniques
Nesnelerin internet ağlarında makine öğrenme teknikleri kullanarak saldırı tespit sistemi
MUHANAD BADEE MUHAMMED AL-DOORI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
PROF. DR. SEFER KURNAZ
- Hybrıd explaınable model for class-ımbalance mıtagatıon and multı-protocol attack detectıon ın ıomt devıces
Hybrid explainable model for class-imbalance mitagation and multi-protocol attack detection in iomt devices
ABUALQASIM KHALIL ISMAEL ISMAEL
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ROA'A ALI ABDULLAH MOHAMMEDQASEM
- Yazılım tanımlı ağlar ve nesnelerin interneti temelli akıllı şebekelerde anomali tespiti
Anomaly detection in smart grids based on software-defined networks and the internet of things
HİLAL YILDIZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSA BALTA
- Anomaly detection in ınternet of medical things using deep learning
Anomaly detect ionin internet of medical things using deep learning
AYŞE BETÜL BÜKEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN