Intelligent security system for mobile adhoc networks based on machine learning
Başlık çevirisi mevcut değil.
- Tez No: 746057
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Ağ benzetimi, Hücresel ağlar, Makine öğrenmesi, Saldırı tespit sistemi (IDS), Network simulation, Cellular networks, Machine learning, Intrusion detection system (IDS)
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Mobil Ad-hoc Ağlar (MANET), ağ uygulamaları aracılığıyla şu veya bu şekilde bir hizmet sağlar. Askeri iletişimde kullanılan taktik ağlar ve çevresel uygulamalar gibi birçok farklı alanda ağ, Kişisel Alan Ağı (PAN) gibi iş ağları olarak kullanılmaktadır. Okullar gibi eğitim ortamlarında kullanılırlar ve kapsamı genişletmek için İnternet ağlarına bağlanırlar. MANET'in yüksek seviyeli mobilite, düğüm merkezsizleştirme, fiziksel güvensizlik vb. dahil olmak üzere birçok özelliği nedeniyle. MANET ağları, aktif veya pasif çeşitli olası tehditlere karşı hassastır. MANET birimleri (cihazlar), sıradan ve zararlı eylemleri ayırt etmek için algılama teknolojisi kullanılarak gözetlenir. Bu nedenle Sınıflandırma, Rastgele Orman (RF), Destek Vektör Makinesi (SVM) ve Naive-Bayes (NB) algoritmalarından oluşan denetimsiz Makine Öğrenimi (ML) yaklaşımları ile yapay zeka kullanılarak gerçekleştirildi. Özellik alanındaki bir eğitim örneğine bağlı olarak. Önerilen İzinsiz Giriş Tespit Sistemi (IDS) şu temel aşamalardan oluşur: trafik oluşturma aşaması, ağ simülasyon aşaması, veri toplama. Yalnızca bir veri kümesinin ön işlemesi, eğitim aşaması ve test aşaması için beş adım. Veri setini Network Simulator-2 (NS2) kullanarak oluşturduk. Önerilen sistem, ağ simülatörünün izleme dosyasından çıkarılan veri seti ile test edilmiştir. performans metrikleri hesaplanır: Kafa Karıştırıcı Matris, Doğruluk .oran, Hata oranı, Kesinlik, Geri Çağırma, F1. Her algoritmanın eğitim ve test süresini belirlemenin yanı sıra. Bulgular, önerilen sistemin umut verici sonuçlar verdiğini, R.F. algoritmalar %100'e, SVM = %99,18'e ve NB = %94,33'e ulaştı. Deneme yanılma özelliği seçiminin kullanılması, sistemi iyileştirir ve eğitim ve test süresinin karmaşıklığını azaltır. Sonuçlar karşılaştırılarak ve analiz edilerek yüksek düzeyde algılama kapasiteleri ve performans ölçütleri değerlendirilmiştir.
Özet (Çeviri)
Mobile Ad-hoc Networks (MANET) provide a service through network applications in one way or another. In many diverse fields, such as tactical networks used in military communications and environmental applications, the network is used as business networks such as Personal Area Network (PAN). They are used in educational environments such as schools and linked to Internet networks to expand coverage. Because of the multiple characteristics of MANET, including high- level mobility, node decentralization, physical insecurity, etc. MANET networks are susceptible to a variety of possible threats active or passive. MANET units (devices) are surveilled using detection technology to differentiate between ordinary and harmful actions. Therefore, Classification was accomplished utilize artificial intelligence withunsupervised Machine Learning(ML) approaches, which comprise the Random Forest (RF), Support Vector Machine (SVM), and Naïve-Bayes (NB) algorithms. Depending on a training samples in the feature space. The suggested Intrusion Detection System (IDS) is composed of the following basic stages: the traffic generation stage, the network simulation stage, the data collection. Five steps just for pre-processing a data set, the training stage, and the testing stage. We generated the dataset using Network Simulator-2 (NS2). The proposed system tested with dataset extracted from the trace file of network simulator. performance metrics are calculated: Confusing Matrix, Accuracy .rate, Error rate, Precision, Recall, F1. Besides determining each algorithm's training and testing duration. The findings revealed that the suggested system yielded promising outcomes, the accuracy rate of the R.F. algorithms reached 100%, SVM =99.18%, and NB =94.33%. Using trial and error feature selection improves the system and reduces training and testing time complexity. High levels of detection capacities and performance metrics have been evaluated by comparing and analyzing the results.
Benzer Tezler
- Akıllı araç ağlarında hibrit saldırı tespit sistemi modeli önerisi
Hybrid intrusion detection system model proposal in autonomous vehicle networks
MEHMET FATİH YÜCE
Doktora
Türkçe
2024
Ulaşımİstanbul ÜniversitesiAkıllı Ulaşım Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERTÜRK
DOÇ. DR. MUHAMMED ALİ AYDIN
- Designing an enhanced user authenticated key management scheme for 6G-based industrial applications
6G tabanlı endüstriyel uygulamalar için gelişmiş kullanıcı doğrulamalı anahtar yönetim planı tasarlama
IJAZ UL HAQ DARMAN
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Gelişim ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSARIA KARIM MAHMOOD MAHMOOD
- The AODV routing protocol evaluation in vehicles AD-HOC network using NS2
Başlık çevirisi yok
MOHAMMED AHMED HASHIM AL- ANI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Embedding intrusion detection in distributed computing artificial intelligence-based routing in AD HOC networks
Başlık çevirisi yok
ZAINAB ALI ABBOOD ALMAMOORI
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DOĞU ÇAĞDAŞ ATİLLA
- Novel over-the-air methods and practical approaches for reconfigurable intelligent surfaces system designs and analyses
Yeniden yapılandırılabilir akıllı yüzey sistemleri için yenilikçi hava üzeri yöntemler ve pratik yaklaşımların tasarımı ve analizi
EMRE ARSLAN
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
PROF. DR. ERTUĞRUL BAŞAR