Geri Dön

Designing a smart system to detect the intrusion in IoT

Başlık çevirisi mevcut değil.

PDF İndir

  1. Tez No: 746060
  2. Yazar: ZAINAB ABDALJABAR
  3. Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: K-En Yakın Komşu Algoritması, Makine öğrenmesi, Nesnelerin interneti, Rastgele ormanlar, Saldırı tespit sistemi (IDS), K-Nearest Neighbor Algorithm, Machine learning, Internet of things, Random forests, Intrusion detection system (IDS)
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Nesnelerin İnterneti (IoT), günlük faaliyetlerden geniş endüstriyel sistemlere kadar hayatın her alanında daha geniş bir etkiye sahip olma niyetiyle son birkaç yılda hızla büyüyor. Ne yazık ki, bir grup siber suçlu, IoT'yi siber suçlar için bir vektöre dönüştürmekten ve uç düğümleri saldırıya açık hale getirmekten sorumlu olanlar, bunu fark etti. Çok farklı türde IoT cihazları olduğundan, normal bir saldırı tespit sistemi (IDS) kullanarak IoT için altyapıyı savunmak zordur. IoT cihazlarının korunması gerekir. IoT'deki veri akışına baktık. bu çalışmada iki veri seti (UNSW-NB15 ve DoH20) ve üç Makine Öğrenimi (ML) sınıflandırıcısı kullanılmıştır: Rastgele Orman (RF), K-En Yakın Komşular (KNN) ve Karar Ağacı (DT). Her yöntem için Hata Oranı (ER), Doğruluk(Acc), Kesinlik, Geri Çağırma ve F1 puanını belirledik. Bu iki sınıflandırıcıyı birleştirdiğimizde olağanüstü sonuçlar (%100) aldık. Tespit oranları son derece yüksektir. Sonuçların kısa bir özeti sunulmaktadır.

Özet (Çeviri)

The Internet of Things (IoT) has been quickly growing during the previous few years, with the intention of having a wider impact on every aspect of life, from daily activities to vast industrial systems. Unluckily, A group of cybercriminals took notice of this, those responsible for turning the IoT into a vector for cybercrime, potentially exposing end nodes to attack. Since there are so many different kinds of IoT devices, There are difficulties to defend infrastructure for the IoT using a normal intrusion detection system (IDS). IoT devices need to be protected. We looked at data flow in the IoT. in this work taking two datasets (UNSW-NB15 and DoH20) and using three Machine Learning (ML) classifiers: Random Forest (RF), K-Nearest Neighbors (KNN) and Decision Tree (DT). For each method, we determined the Error Rate (ER), Accuracy(Acc), Precision, Recall, and F1 score. We received outstanding results (100%) when we combined these two classifiers. Detection rates are extremely high. A succinct summary of the results is presented.

Benzer Tezler

  1. Tez No

    924146

    Nesnelerin interneti ağlarında derin öğrenme tabanlı yeni bir saldırı tespit sistemi

    A novel deep learning-based intrusion detection system for internet of things networks

    KEMAL AKKANAT

    Doktora

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya Üniversitesi

    Hesaplamalı Bilimler Ana Bilim Dalı

    PROF. DR. MUHARREM TOLGA SAKALLI

  2. Tez No

    887813

    Analyzing individual data for insider threat detection

    İçeriden tehditlerin tespiti için bireysel verilerin analizi

    BURAK YAKAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı (disiplinlerarası)

    PROF. DR. ENVER ÖZDEMİR

  3. Tez No

    139400

    How cryptographic implementations affect mobile agent systems

    Şifreleme gerçekleştirmelerinin gezgin aracı internet sistemlerini nasıl etkilediği

    İSMAİL ULUKUŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Sistem ve Kontrol Mühendisliği Ana Bilim Dalı

    PROF. DR. EMİN ANARIM

  4. Tez No

    756610

    Endüstri 4.0 ile uyumlu modüler yapılı akıllı sensör tasarlanması

    Designing of a modular smart sensor compatible with industry 4.0.

    FARIS BIN SAJJAD ALI SHAH

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Mekatronik MühendisliğiMarmara Üniversitesi

    Mühendislik Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İSMAİL TEMİZ

  5. Tez No

    977240

    Gerçek zamanlı hareket algılama ve alarm sistemi tasarımı

    Designing a real time motion detection and alarm system

    NOOR ALI HUSSEIN HUSSEIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Yönetim Bilişim SistemleriKocaeli Üniversitesi

    Bilişim Sistemleri Mühendisliği Ana Bilim Dalı

    PROF. DR. HİKMET HAKAN GÜREL

Geri Dön