Increasing communication security among internet of things
Nesnelerin interneti öğelerinin iletişiminde güvenlik tedbirlerinin artırılması
- Tez No: 731389
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET HİLAL ÖZCANHAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Ağ güvenliği, Büyük veri, Derin öğrenme, Hibrit öğrenme, Nesnelerin interneti, Saldırı algılama sistemi, Siber güvenlik, Sınıflama yöntemleri, Veri madenciliği, Yapay zeka, Network security, Big data, Deep learning, Hybrid learning, Internet of things, Introsion detection system, Cyber security, Classification methods, Data mining, Artificial intelligence
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bilişim teknolojilerinin gelişimi, yaşamımızın çeşitli yönlerine önemli katkılar sağlamaktadır. Teknolojinin büyüme hızına bağlı olarak birçok yeniliği de beraberinde getiriyor. Nesnelerin interneti (IoT), son yıllarda en popüler ve en hızlı büyüyen teknolojiler arasında yer alıyor. Adreslenebilir IoT cihazları, internet üzerinden önemli verileri oluşturuyor ve kullanıyor. Veri trafiğindeki artış nedeniyle IoT ağlarındaki saldırılar da önemli ölçüde artıyor. Bu tez, IoT ağlarına yönelik saldırıları tespit etmek için ikili ve çoklu etiket sınıflandırma yöntemleri sağlayarak IoT iletişiminde güvenliği artırıyor. İzinsiz girişleri tespit etmek için yeni bir hibrit Derin Öğrenme modeli tasarlandı. Önerilen İzinsiz Giriş Algılama Sistemi (IDS) için iki farklı genel veri seti (CIC-IDS-2018, Bot-IoT) kullanıldı. Ayrıca, son yıllarda IoT ağlarına yönelik yönlendirme saldırılarındaki artış nedeniyle, IoT cihazlarını hedefleyen yönlendirme saldırılarını içeren yeni bir veri seti oluşturuldu. Böylelikle, şu anda yapılan çalışmalarda 14 saldırı türü analiz edilmiştir. Analizin sonuçları, modelin doğruluğu, F1-puanı ve eğitim süresi olarak kapsamlı bir şekilde sunulmuştur. Sonuçlarımızı önceki çalışmalarla karşılaştırdığımızda, tasarlanan hibrit Derin Öğrenme modelimizin en iyi eğitim süresi/doğruluğu ve eğitim süresi/F1-puanı performans oranlarına sahip olduğunu ortaya koydu. Karşılaştırmalar, önerilen modelimizin önceki çalışmalara göre IoT saldırılarını tespit etme konusunda daha başarılı olduğunu gösteriyor. Önerilen modelimizin başarılı performansı, hibrit Derin Öğrenme yöntemlerinin IoT izinsiz giriş algılama sistemlerinde yenilikçi ve verimli bir perspektif olabileceğinin kanıtıdır
Özet (Çeviri)
The development of information technologies makes significant contributions to various aspects of our life. It brings various innovations together, depending on the rate of technology's growth. The Internet of Things (IoT) is among the most popular and fastest expanding technologies in recent years. Addressable IoT devices generate and use significant data over the Internet. Because of the increase in data traffic, attacks in IoT networks are also increasing significantly. The present thesis increases security in IoT communication by providing binary and multi-label classification methods for identifying attacks in IoT networks. A new Hybrid Deep Learning model has been designed for detecting intrusions. Two different public datasets (CIC-IDS-2018, BoT-IoT) are used for the proposed Intrusion Detection System (IDS). In addition, a new dataset containing routing attacks targeting IoT devices has been created, because of the increase in routing attacks in IoT networks in recent years. Hence, 14 attack types have been analyzed in the present work. The results of the analysis have been presented extensively, as to the accuracy, F1-score, and training time of the model. Comparing our results to previous studies showed that our designed hybrid Deep Learning model has the best training time/accuracy and time/F1-score performance ratios. Comparisons prove that our proposed model is more successful in detecting IoT attacks than the previous works. The successful performance of our proposed model is proof that hybrid Deep Learning methods can be an innovative and efficient perspective in IoT Intrusion Detection Systems.
Benzer Tezler
- Akıllı ev cihazlarının haberleşmesinde hafif sıklet şifreleme algoritmalarının performans analizi
In communication of smart home devices performance analysis of lightweight encryption algorithms
ÖMER YEL
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN ESKİ
- Design and implementation of a lightweight Bloom filter accelerator for internet of things applications
Nesneleriın interneti uygulamalarına yönelik kaynak verimli bir Bloom filtre hızlandırıcısı tasarımı ve gerçeklemesi
HÜSEYİN AYDIN SEYMEN
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN
- 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
- BioSec: Framework for Biometric Authentication for Secure and Private Communication among Edge devices in IoT and Industry 4.0
BioSec: IoT ve Endüstri 4.0'da Edge Cihazları Arasında Güvenli ve Gizli İletişim için Biyometrik Kimlik Doğrulama Çerçevesi
MUHAMMED GÖLEÇ
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolQueen Mary Unıversıty Of LondonBilgisayar Mühendisliği Ana Bilim Dalı
DR. SUKHPAL SINGH GILL
- Akıllı binalarda web teknolojilerinin kullanımı
Using web technologies in smart buildings
MEHMET ŞENSOY
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZMİ EKREN