Geri Dön

Intrusion detection system based on machine learning techniques

Başlık çevirisi mevcut değil.

  1. Tez No: 728933
  2. Yazar: AHMED MOHAMMED RADHI AL-MUQDADI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Saldırı Tespit Sistemi, Makine öğrenmesi, Sınıflandırma, Intrusion Detection System, Machine learning, Classification
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    İngilizce

    2014

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. EMİN ANARIM

  2. Araç içi ağlarda makine öğrenmesi tabanlı saldırı tespit sistemi

    Machine learning based intrusion detection for in-vehicle networks

    SONER CAN KALKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖZGÜR KORAY ŞAHİNGÖZ

  3. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    PROF. DR. SEFER KURNAZ

  4. Otonom araçlar için makine öğrenmesi teknikleri kullanılarak saldırı tespit sistemi geliştirilmesi

    Development of intrusion detection system by using machine learning techniques for autonomous vehicles

    DOĞUKAN AKSU

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-Cerrahpaşa

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHAMMED ALİ AYDIN

  5. Comparative study of intrusion detection system using machine learning

    Başlık çevirisi yok

    MAHMOOD IMAD ABDULKAREEM

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    Prof. Dr. OSMAN NURİ UÇAN