Computer network intrusion detection using cascade back propagation neural network
Başlık çevirisi mevcut değil.
- Tez No: 746270
- Danışmanlar: DR. ÖĞR. ÜYESİ OĞUZ ATA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 61
Özet
İnternet ağı üzerinden güvenlik talep edilmekte, kişisel veriler korunmakta ve kullanıcıların erişimleri düzenlenerek gizlilik seviyesinin korunması sağlanmaktadır. İnternet herkese, hatta kötü niyetli faaliyetlere sahip kullanıcılara bile erişim sağlayan bir genel ağ olduğundan bu görev daha karmaşıktır, bu nedenle bir saldırgan, bir kullanıcının kimlik bilgilerini çalarak tanınmadan sunucuya erişmelerine izin verebilir. Bilgisayar ve internet ağındaki geniş genişleme, kötü niyetli bir etkinliği hacklemenin daha olası olduğu ağlara izinsiz giriş olasılığını artırır. İnternet, veri alışverişi yapmak için gereken tüm tarafların bir sunucu veya bulut aracılığıyla internet üzerinden paylaşması gereken genel ağ olarak kabul edilir. Verilerin sunucularda veya bulutlarda mevcut olması; Güvenliği, bulutun, sunucunun vb. gücüyle sınırlıdır. Saldırıların gerçekleşmesini engelleyen güvenlik duvarları, ancak yazılım teknolojisinin ilerlemesi, mevcut güvenlik duvarlarını bunalmış saldırı etkinlikleriyle karşı karşıya kalacak şekilde zayıflattı. Saldırı tahmini, derin öğrenme paradigmaları kullanılarak yapılır: Kademeli İleri Beslemeli Geri Yayılım (CFFBP), İleri Beslemeli Geri Yayılım (FFBP) ve Katman Öğrenen Sinir Ağı (LLNN). ADFA-LD adlı veri kümesini kullanma. Bu çalışmada, derin öğrenme teknolojisini kullanan bir otomatik saldırı tahmini yaklaşımı önerdik. Önerilen modeller, altı tür inkarı tespit etmek için eğitilmiştir.hizmet saldırılarının sayısı ve elde edilen en iyi saldırı tahmini doğruluğu yüzde 82.7586207'ye karşılık geliyor.
Özet (Çeviri)
Security over the internet network is demanded, protecting the personal data and governing the users access so that privacy level is maintained. This task is more complicated since the internet is a public network that gives access to everyone, even to those users with malicious activities hence an attacker may steal a users' credentials, allowing them to access the server without being recognized. Wide expansion on computer and internet network increases the chances of network intrusion where hacking a malicious activity are more likely to exists. Internet is considered as public network where all the parties required to exchange the data need to share it over the internet through a server or cloud. The data being available in servers or clouds; its safety is limited to the strength of cloud, server, etc. Firewalls which prevent attacks to happen, but the advancement of software technology made the available firewalls weaken to face overwhelmed attacks activities. Prediction of attack is made using deep learning paradigms namely: Cascade Feed Forward Back Propagation (CFFBP), Feed Forward Back Propagation (FFBP) and Layer Learning Neural Network (LLNN). Using the dataset named ADFA-LD. In this study we proposed an automatic attack prediction approach using deep learning technology. The proposed models are trained to detect six types of denial of service attacks and the best achieved accuracy of attack prediction is corresponding to 82.7586207 percent.
Benzer Tezler
- DoS attack detection and mitigation
Başlık çevirisi yok
İLKER ÖZÇELİK
Doktora
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolClemson UniversityDR. RICHARD BROOKS
- Yerel görünüm ve derin modeller kullanarak hibrit bir yüz tanıma yaklaşımı
A hybrid face recognition approach using local appearance and deep models
MERT ARI
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Payload-based network intrusion detection using LSTM autoencoders
LSTM özkodlayıcılar ile ağ yükü tabanlı ihlal tespiti
SELİN COŞAN
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SÜLEYMAN SERDAR KOZAT
- Computer networks intrusion detection using artificial neural network
Başlık çevirisi yok
MUSTAFA MUHANAD M.SALIH ALRASHADI
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
PROF. DR. OĞUZ BAYAT
- Derin öğrenme yöntemleri ile kablosuz ağlara sızma tespiti
Wireless network intrusion detection using deep learning methods
EMRE HALİSDEMİR
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HACER KARACAN