Intrusion detection system based on machine learning techniques
Başlık çevirisi mevcut değil.
- Tez No: 728933
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Saldırı Tespit Sistemi, Makine öğrenmesi, Sınıflandırma, Intrusion Detection System, Machine learning, Classification
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 58
Özet
Anormallik Tabanlı Saldırı Tespit Sistemleri, modern güvenlik sistemlerinin kritik bileşenleridir. Potansiyel saldırıları tespit etmek için genellikle Makine Öğrenimi'ne (ML) güvenirler ve yeni teknolojiler ve tehlikeler nedeniyle zaman içinde artan popülerlik kazandılar. Farklı ML algoritmaları ve teknikleri kullanan birçok önerilen anomali tabanlı sistem vardır, ancak bunları ölçülebilir ölçülere dayalı olarak karşılaştırmak için standart bir kıyaslama yoktur. Her algoritma uygulamasının değerlendirilmesinde kullanılabilecek nesnel ölçümler üretmek için hem doğruluğu hem de performansı ölçen bir kıyaslama önerdik. Bu tezde, NSL-KDD veri setinde dört farklı ML algoritmasını (Naive Bayes, Destek Vektör Makineleri, Sinir Ağları ve K-ortalama Kümeleme) karşılaştırmak için kıyaslama kullanılacaktır. Deneysel sonuçlar, veri kümesindeki bu algoritmalar arasındaki doğruluk ve performans farklarını ve ayrıca bu kıyaslamanın karşılaştırmalar için yararlı metrikler oluşturmak için nasıl kullanılabileceğini gösterir.
Özet (Çeviri)
Anomaly-based Intrusion Detection Systems are critical components of modern security systems. They often rely on Machine Learning (ML) to detect potential attacks and have gained increased popularity over time, due to new technologies and dangers. There are many proposed anomaly- based systems using different ML algorithms and techniques, however there is no standard benchmark to compare these based on quantifiable measures. We have proposed a benchmark that measures both accuracy and performance to produce objective metrics that can be used in the evaluation of each algorithm implementation. In this thesis, the benchmark will be used to compare four different ML algorithms (Naive Bayes, Support Vector Machines, Neural Networks, and K- means Clustering) on the NSL-KDD dataset. The experimental results show the differences in accuracy and performance between these algorithms on the dataset, and also how this benchmark can be used to create useful metrics for comparisons.
Benzer Tezler
- Makine ve derin öğrenme yaklaşımlarına dayalı saldırı tespit sistemi
Intrusion detection system based on machine and deep learning approaches
HAMDULLAH KARAMOLLAOĞLU
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM YÜCEDAĞ
DOÇ. DR. İBRAHİM ALPER DOĞRU
- A decision tree based intrusion detection system with bootstrap aggregating, discretization, and feature selection
Yerine geri koyarak örnekleme, ayrıklaştırma ve öznitelik seçme kullanan karar ağacı temelli saldırı tespit sistemi
SERAY ÖZDEMİR
Yüksek Lisans
İngilizce
2014
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN ANARIM
- Araç içi ağlarda makine öğrenmesi tabanlı saldırı tespit sistemi
Machine learning based intrusion detection for in-vehicle networks
SONER CAN KALKAN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGÜR KORAY ŞAHİNGÖZ
- 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
- Intrusion detection system for IoT application based on supervised learning
Gözetimli öğrenmeye dayalı nesnelerin interneti uygulamaları için girişim tespit sistemi
SHARAFAL-DEEN ABDULKADHUM ABBAS OBAID
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAH ABDU İBRAHİM