Geri Dön

DDOS attack detection based on machine learning

Başlık çevirisi mevcut değil.

PDF İndir

  1. Tez No: 719779
  2. Yazar: AHMED SARDAR AHMED ISSA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ZAFER ALBAYRAK
  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: 2022
  8. Dil: İngilizce
  9. Üniversite: Karabük Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 78

Özet

Dağıtılmış hizmet reddi (DDOS) saldırıları, ağlara ve Saldırı Tespit Sistemlerine (STS) yönelik yapılan saldırıların başında gelmektedir. Bu saldırılar sunucuların hizmet dışı kalmasına, kullanıcıların bu sunuculardan hizmet almasında sıkıntı yaşamalarına; ayrıca firmaların itibar ve gelir kaybetmesine neden olmaktadır. Bu nedenle bu çalışma en doğru sonuçlar veren iki derin öğrenmesi algoritmasından oluşturulmuş bir yöntem önermektedir. Bu yöntem CLSTMNet olarak önerilmiştir. CLSTMNet mimarisi evrişimsel sinir ağları (CNN) katmanlarından ve uzun-kısa süreli (LSTM) algoritmasının performansı ile NSL-KDD veri setine uygulanarak karşılaştırılmıştır. Performans kriteri olarak doğruluk, kesinlik, hatırlama ve F1-score değerleri alınmıştır. Yapılan deneysel sonuçlarda CLSMNet yaklaşımının tüm metriklerde mevcut algoritma yaklaşımlarına göre en iyi performans değerlerine ulaştığı görülmüştür.

Özet (Çeviri)

Distributed denial-of-service (DDoS) attacks are almost always placed at the top of the hierarchy of attacks facing networks and Intrusion Detection Systems (IDS). For the reason that these attacks cause servers to fail, causing users to be inconvenienced when requesting service from those servers, as well as causing the company's reputation to suffer and revenue to be lost. Therefore, this study suggested a modern method that is constructed from two of the best deep learning algorithms. Therefore, this study suggested a modern method that is constructed from two of the best deep learning algorithms to detect DDoS attacks more accurately, namely the CLSTMNet. The CLSTMNet architecture was composed of seven layers that were compacted from the Convolutional Neural Networks (CNN) layers and the Long Short-Term Memory (LSTM) layers. The performance of CLSTMNet was compared with the performance of both CNN and LSTM by applying them to the NSL-KDD dataset. The performance evaluated utilizing four metrics: accuracy, precision, recall, and F1 score. Experimental results illustrated that CLSTMNet had outperformed compared to others in all metrics. When compared to most previous work that used various machine learning algorithms, our model has the highest accuracy.

Benzer Tezler

  1. Tez No

    899383

    DDoS attack detection using machine learning and deep learning methods

    Makine öğrenmesi ve derin öğrenme yöntemleri ile DDoS atak tespiti

    DENİZ MERVE GÜNDÜZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTED Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMİN KUĞU

  2. Tez No

    488414

    Machine learning based DDOS attack detection for software-defined networks

    Yazılım tanımlı ağlar için makine öğrenme esaslı DDOS attack algılama

    DOUGLAS OMURO MAKORI

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    Assist. Prof. Dr. SEÇKİN ARI

  3. Tez No

    679449

    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

    SAJAD EINY

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    PROF. DR. CEMİL ÖZ

  4. Tez No

    672464

    Detection of ddos attacks based on entropy-pca in SDN

    SDN'de entropi-pca'ya dayalı ddos saldırılarının tespiti

    HASEN HADI SADIQ AL-MOMIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilim ve TeknolojiAltınbaş Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    Assist. Prof. ABDULLAHI ABDU IBRAHIM

  5. Tez No

    579794

    Detection of sources being used on ddos attacks

    Ddos ataklarında kullanılan kaynakların tespiti

    YALDA MOTEVAKELKHOSROSHAHI

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgi Güvenliği Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ENVER ÖZDEMİR

Geri Dön